对于一个具体的例子，我想将文本文档分成句子。我正在考虑使用跟随正则表达式（仍然可能需要调整）：
<input name="search-filter" class="form-control" type="search" ng-model="searchBox.properties.title" />
<input name="search-filter" class="form-control" type="search" ng-model="searchBox.properties.owners" />
匹配标点符号/空格（句子之间的东西 - 分隔符）[!?][\s]*|[.\n][!?\s]+[.!?\s]*：它捕获任何字符串后跟标点符号或换行符（完整句子 - 我想要的内容）一般来说，哪种方法更受欢迎？在我的特定背景下，我想跟踪每个句子的开始和结束索引，所以我不能做一些像String#split这样简单的事情。
感谢。
答案 0 :(得分：1)
假设您打算使用vanilla Pattern和Matcher处理，第一个正则表达式通常会捕获更多，更少的字符（最多结束标点符号和一些空格字符），因此应该是最快的。如果您正在解析一个非常庞大的文档，这可能会有所不同。
但是，为每个句子提取开始和结束索引可能更为笨拙，因为您需要来自两个连续匹配的信息才能分隔整个句子。第二个正则表达式直接将句子映射到单个匹配，并启用最简单的代码。
所以这里没有免费午餐。两者都可以完成工作，尽管根据您要定位的文档类型，您可以使它们更加强大。特别要注意句子中间出现意外的标点字符，如：
......“？”角色可以用来......