我正在处理通用抓取（WET格式）中的文字，而且从我看到的内容中，还有很多破损的标点符号 - 很可能是因为从原始数据中删除了换行符。
例如，在This Massive Rally?The 52中，问号和The应以空格分隔。我尝试使用以下regexp（在Java中）修复此问题：
line.replaceAll("([.;:,!?)])([A-Z])", "$1 $2");
虽然它可以正确处理大多数情况，但它会在不应该使用的地方添加空格，例如： U.S.变为U. S.或www.HiringJobTweets.com变为www. HiringJobTweets.com。
有没有办法在避免不良副作用的同时解决问题？