Question

我继承了电子邮件的数据库表，其中已保存的正文文本已被处理以删除变音符号，但此过程也取出了Environment.Newline字符。我可以写一个正则表达式来识别这种模式（[。！？。！？] \ {0} \ w）因为句子标记的典型结尾（例如：。！？）和开头之间没有空格。下一句，但我看不出如何在两个字符之间插入换行符。

E：g：“这是第一段的结尾。这是第二段的开头。

我想插入一个新行（在本例中是“h.A”之间）和这种类型的模式出现的地方。任何帮助将不胜感激（我使用C＃.NET 4.5） - 我花了几个小时与RegExBuddy，但无法看到如何做到这一点。请原谅我的无知。

Answer 1

首先，我考虑推动获取原始信息，而不是采取这些措施，因为结果不会是完美的。

您可以使用正则表达式[\.\!\?]\b，它被定义为标点符号，后跟单词的开头。

示例代码：

static void Main(string[] args)
{
    Console.WriteLine(RestoreNewlines("This is the end of the first paragraph.And this is the start of the second. This is the start of the third."));
    Console.WriteLine(RestoreNewlines("Example of a case.txt where it fails."));
}

private static readonly Regex PunctuationWithoutFollowingWhitespaceRegex = new Regex(@"[\.\!\?]\b");

static string RestoreNewlines(string input)
{
    return PunctuationWithoutFollowingWhitespaceRegex.Replace(input, match => match.Value + Environment.NewLine);
}

输出：

This is the end of the first paragraph.
And this is the start of the second. This is the start of the third.
Example of a case.
txt where it fails.

替换预处理文本中缺少的“换行符”

1 个答案: