Question

我的任务是从文本中选择第一句话（我在C#写作）。我认为最合适的方式是使用regex，但发生了一些麻烦。我应该用什么正则表达式来选择第一句话？

几个例子：

输入：“我是狮子，我想要自由。当你看到我的内心时，你看到狮子吗？”预期结果：“我是狮子，我希望自由。”
输入：“我喝得太多，他们叫我查理4.0手。任何文字。”预期结果：“我喝得太多，他们称我为查理4.0手。”
输入：“所以拿出你的手然后把HU扔了。”现在挥动它就像你不假装一样！'“预期的结果：”所以拿出你的手然后把胡子扔掉。“ / LI>
第三个让我很困惑。

Answer 1

因为你已经提供了一些假设：

句子用空格划分任务是选择第一句

您可以使用以下正则表达式：

^.*?[.?!](?=\s+(?:$|\p{P}*\p{Lu}))

请参阅RegexStorm demo

正则表达式细分：

^ - 字符串的开头（因此，只匹配第一个句子）
.*? - 尽可能少的任意数量的字符（使用RegexOptions.Singleline也可以将换行符与.匹配）
[.?!] - 最后一个标点符号
(?=\s+(?:$|\p{P}*\p{Lu})) - 预测确保在字符串结尾（\s+）或可选标点符号（{{1）之后有一个或多个空白符号（$） }和）大写字母（\p{P}）。

<强>更新：

因为事实证明你可以输入单句，而你的句子可以以任何字母或数字开头，你可以使用

\p{Lu}

请参阅another demo

Answer 2

我提出了一个使用大量负面预测的正则表达式来排除某些情况，例如：标点符号必须不后面跟小写字符，或大写字母未关闭句子之前的点。这会将所有文本分成单独的句子。如果给你一个文本，只需参加第一场比赛。

[\s\S]*?(?![A-Z]+)(?:\.|\?|\!)(?!(?:\d|[A-Z]))(?! [a-z])/gm

Answer 3

应使用以下扫描仪搜索句子分隔符：

如果它是sentence-finisher字符（如[。！？]）
- 必须后跟空格或允许的字符序列，然后是空格：
  - 像'。'的序列为'。' （A sentence...）
  - ...或'！'的序列和/或'？'为'！'和'？' （Exclamation here!?）
- 然后必须遵循：
  - 大写字符（忽略引号，如果有的话）
  - 数字
    - 必须后跟小写或其他sentence-finister
  - dialog-starter字符（Blah blah blah... - And what next, Elric?）

提示：不要忘记在输入源字符串中添加额外的空格字符。

<强> UPD：

一些野生伪代码xD：

func sentence(inputString) {
    finishers = ['.', '!', '?']

    allowedSequences = ['.' => ['..'], '!' => ['!!', '?'], '?' => ['??', '!']]

    input = inputString
    result = ''

    found = false
    while input != '' {

        finisherPos = min(pos(input, finishers))

        if !finisherPos
            return inputString

        result += substr(input, 0, finisherPos + 1)
        input = substr(input, finisherPos)

        p = finisherPos

            finisher = input[p]

            p++

            if input[p] != ' '
                if match = testSequence(substr(input, p), allowedSequences[finisher]) {
                    result += match
                    found = true
                    break
                } else {
                    continue
                }
            else {
                p++
                if input[p] in [A-Z] {
                    found = true
                    break
                }

                if input[p] in [0-9] {
                    p++
                    if input[p] in [a-z] or input[p] in finishers {
                        found = true
                        break
                    }
                    p--
                }

                if input[p] in ['-'] {
                    found = true;
                    break
                }
            }

    }

    if !found 
        return inputStr

    return result
}

func testSequence(str, sequences) {
    foreach (sequence: sequences)
        if startsWith(str, sequence)
            return sequence

    return false
}

如何使用正则表达式选择一段文本中的第一个句子？

3 个答案: