在句子中加入句子 - 正则表达式

Question

我有40,000行，需要将每行分成不同的句子。现在，我使用的模式是这样的：

String patternStr2 = "\\s*[\"']?\\s*([A-Z0-9].*?[\\.\\?!]\\s)['\"]?\\s*"; 

它可以处理几乎所有的句子，但像这样的句子： 美国海军，第一次世界大战 将被分为2个部分：美国和海军，第一次世界大战

有没有解决方案来解决这个问题？

Answer 1

String patternStr2 =“(?<!\\..)(?<![A-Z].)[\\.\\?!](?!.\\.)”;然后通过使用java Matcher find（）方法，可以得到所有的句子。

Answer 2

好吧我认为你应该不是使用正则表达式，但我无法拒绝投入一些。

如果这是很难理解，让我知道，我会添加一些评论...

package test; 

import java.util.regex.Matcher; 
import java.util.regex.Pattern; 

public class Main { 
    private static final Pattern SENTENCE_DELIMITER = 
      Pattern.compile("((.+?)((?<!\\.[A-Z])(\\.\\s)(.+))?)"); 
    public static void main(String[] args) { 
     String lineWithOneSentence = 
       "U.S. Navy, World War I"; 
     String lineWithTwoSentences = 
       "U.S. Navy, World War I. U.S. Air Force, World War III."; 
     Matcher matcher = SENTENCE_DELIMITER.matcher(lineWithOneSentence); 
     if (matcher.matches()) { 
      for (int i = 0; i <= matcher.groupCount(); i++) { 
       switch (i) { 
       case 0: 
        System.out.println("WHOLE MATCH: " + matcher.group(i)); 
        break; 
       case 2: 
        System.out.println("FIRST SENTENCE: "+ matcher.group(i)); 
        break; 
       case 5: 
        System.out.println("SECOND SENTENCE: " + matcher.group(i)); 
       default: 
       } 

      } 
     } 
     matcher = SENTENCE_DELIMITER.matcher(lineWithTwoSentences); 
     if (matcher.matches()) { 
      for (int i = 0; i <= matcher.groupCount(); i++) { 
       switch (i) { 
       case 0: 
        System.out.println("WHOLE MATCH: " + matcher.group(i)); 
        break; 
       case 2: 
        System.out.println("FIRST SENTENCE: "+ matcher.group(i)); 
        break; 
       case 5: 
        System.out.println("SECOND SENTENCE: " + matcher.group(i)); 
       default: 
       } 
      } 
     } 
    } 
} 

这里的解决方法是：

• 使用组
• 使用负后面跟着一个空格，以确保它们没有前面跟着一个大写字母的点（如“U * .S * ._”）

这相当矫枉过正，可能会在某个时候出现问题，即如果您的文本不符合标点符号。

---

输出继电器：

WHOLE MATCH: U.S. Navy, World War I 
FIRST SENTENCE: U.S. Navy, World War I 
SECOND SENTENCE: null 
WHOLE MATCH: U.S. Navy, World War I. U.S. Air Force, World War III. 
FIRST SENTENCE: U.S. Navy, World War I 
SECOND SENTENCE: U.S. Air Force, World War III. 

Answer 3

为什么你想比赛同时要分裂？

使用以下正则表达式：

(?<!\..)\.(?!.\.)

说明：

1. (?<!\..)：负回顾后，检查是否没有一点后面2个字符。

2. \.：匹配一个点。

3. (?!.\.)：否定向前看，检查前面是否有2个字符没有点。

Online demo

注：不知道如何做到这一点在Java中，但我想你应该尝试(?<!\\..)\\.(?!.\\.)。另外不要忘记加上指向你分裂的句子。