问题

Question

问题

我有一段文字。它可以包含从ASCII 32（空格）到ASCII 126（波浪号）的每个字符，并包括ASCII 9（水平选项卡）。

文本可能包含句子。每个句子都以点，问号或感叹号结尾，然后紧跟空格。

文本可能包含基本的markdown样式，即：粗体文本（**，也__），斜体文本（*，也_）和删除线（~~）。降价可能发生在句子内部（例如**this** is a sentence.）或句子外部（例如**this is a sentence!**）。降价可能不会出现在句子之间，也就是说，可能不会是这样的情况：**sentence. sente** nce.。 Markdown可能包含一个以上的句子，也就是说，可能是这样的情况：**sentence. sentence.**。

它也可以包含两个字符序列：。这些序列之间的所有内容均视为注释（如HTML）。注释可以出现在文本的每个位置，但不能包含换行符（我希望在Linux上仅是ASCII 10）。

我想在Javascript中检测所有句子，并针对每个句子在注释后将此句子的长度加长，例如：sentence.。主要是，我不在乎是否它们的长度是否包括markdown标签的长度，但是如果没有，那会很好。

到目前为止我做了什么？

到目前为止，借助此answer，我准备了以下用于检测句子的正则表达式。它最符合我的需求-除了它包含评论。

const basicSentence = /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?]/gi;

我还准备了以下正则表达式来检测评论。至少在我自己的测试中，它也按预期工作。

const comment = /<!--.*?-->/gi;

示例

为了更好地了解我想要实现的目标，让我们举个例子。说，我有以下一段文字：

foo0 
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->

foo2bar!

（它的末尾还有一个换行符，但是我不知道如何在Stackoverflow markdown中添加一个空行。）

预期结果是：

foo0 
b<!-- comment -->ar.<!-- 10 -->
foo1 bar?<!-- 9 -->
<!-- comment -->

foo2bar!<!-- 12 -->

（这一次，末尾没有换行（ no ）。

更新：抱歉，我已更正了示例中的预期结果。

Answer 1

将回调传递给.replace，该回调将所有注释替换为空字符串，然后返回所修剪的匹配项的长度：

const input = `foo0 
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->

foo2bar!
`;
const output = input.replace(
  /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?]/g,
  (match) => {
    const matchWithoutComments = match.replace(/<!--.*?-->/g, '');
    return `${match}<!-- ${matchWithoutComments.length} -->`;
  }
);
console.log(output);

当然，如果您愿意，您也可以使用类似的模式用内部文本内容替换降价表示法：

.replace(/([*_]{1,2}|~~)((.|\n)*?)\1/g, '$2')

（由于嵌套的标签和可能不平衡的标签，正则表达式不能很好地使用它，因此您可能必须重复该行，直到找不到进一步的替换为止）

另外，对于每个注释，您当前的正则表达式期望每个句子以.，!或?结尾。 !中评论的<!--被视为（短）句子的结尾。一种选择是提前查找空白（空格或换行符）或正则表达式末尾的输入结尾：

const input = `foo0 
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->

foo2bar!
<!-- comment -->`;
const output = input.replace(
  /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?](?=\s|$|[*_~])/g,
  (match) => {
    const matchWithoutComments = match.replace(/<!--.*?-->/g, '');
    return `${match}<!-- ${matchWithoutComments.length} -->`;
  }
);
console.log(output);

https://regex101.com/r/RaTIOi/1

如何使用Javascript正则表达式检测没有注释和减价的句子？

问题

到目前为止我做了什么？

示例

1 个答案: