使用match（）在单独的句子中分割长文本的正则表达式

Question

这是一个textarea，用户在其中写入一些文本。我已经写了一个例子。

<textarea id="text">First sentence. Second sentence? Third sentence!
Fourth sentence.

Fifth sentence
</textarea>

正则表达式中已考虑的要求

• 分隔符包含在数组项
中
• 最后一句不一定需要分隔符（它可以以任何字符结尾）
• 如果一个句子有多个分隔符char，则它包含在数组项中。例如：第二句？！？应该是[...，“第二句？！？”，...]

缺少要求（我需要帮助）＆lt;＆lt;

每个新行应该由一个空数组项表示。如果应用正则表达式，则应该是响应：

["First sentence.", "Second sentence?", "Third sentence!", "", "Fourth sentence.", "", "", "Fifth sentence"]

相反，我收到了这个：

["First sentence.", "Second sentence?", "Third sentence!", "Fourth sentence.", "Fifth sentence"]

这是正则表达式和匹配调用：

var tregex = /[^\r\n.!?]+(:?(:?\r\n|[\r\n]|[.!?])+|$)/gi;
var sentences = $('#text').val().match(tregex).map($.trim);

有什么想法吗？谢谢！

Answer 1

我简化了很多，要么匹配一行（新行）的末尾，要么是一个句子后跟标点符号：

var tregex = /\n|([^\r\n.!?]+([.!?]+|$))/gim;

我也相信多行的m标志很重要

Answer 2

您可以使用以下正则表达式：

/((?:\S[^\.\?\!]*)[\.\?\!]*)/g

让我们打破这个：

“ g ”用于全局匹配的标志，表示在第一次出现后保持匹配

从内到外，（？：）是一个分隔符，允许我们对表达式进行分组，但是从输出中丢弃匹配的结果。我们匹配的 \ S （非空白）不包含句点，问号或感叹号。

您声明要保留此标点符号，因此匹配后的下一部分 [。\？！] 是一个包含这些相同标点符号的系列，因此它们包含在外部分隔符中。编辑：我为此添加了星号，以包括任何数量的标点符号，或句子末尾没有标点符号。

使用http://www.pagecolumn.com/tool/regtest.htm或类似的Javascript正则表达式测试程序检查匹配的组。