忽略前缀标题，如＆＃34; Mr。＆＃34;何时使用Regex Split（）

Question

是否有与正则表达式一起使用的模式，可以忽略前缀标题，如“Mr.”或“女士”从这个时期的分裂？

例如，假设我们的字符串是：“X先生这样做了.Blah blah blah。” 我希望能够在一个句子结束时分开但不能在一个人的头衔上分开。

Answer 1

我觉得这样的事情对你有用

string input = "Mr. and MRS. X did so and so... blah blah blah.";
var tokens = Regex.Split( input, @"(?<!\bMr|\bMs|\bMrs)[.]{1,3}", RegexOptions.IgnoreCase );

这会产生[＆＃34;先生和MRS。 X这样做了＆＃34;，＆＃34; blah blah blah＆＃34;]作为代币。重要的部分是模式的负面后视部分。

(?<!\bMr|\bMs|\bMrs)

因此，正则表达式只匹配其中一个标题之前的 NOT 期间。

Answer 2

您可以使用negative lookbehind进行此拆分。负面观察并不支持其中的可变长度。所以要么你必须使它固定长度，要么需要使用多个。

使用多个lookbehind。这意味着dot并非完全位于Mr，Ms或Mrs

之后

var tokens = Regex.Split(input, "(?<!Mr|Ms)(?<!Mrs)[.]");

或者使用固定长度，但我不推荐它，因为它在某些情况下不起作用（例如行的开头为Mr.或文本xMr.）。我只是添加这个作为参考，因为我相信你正在学习正则表达式！

var tokens = Regex.Split(input, "(?<!.Mr|.Ms|Mrs)[.]");