如何从包含多个段落的文档中删除较小的句子

Question

在一个包含句子序列的段落中，我想删除由少于3个单词组成的句子。句子以句号结束。

示例输入：
主题：印度。这是一个例句。 。印度的国内生产总值是2017年的x.x。期间之间和之后可能有多个空格。印度。对外政策。 2.5。 4.5。一些随机十进制数也是。电子邮件：abc@google.com。

示例输出：
这是一个例句。印度的国内生产总值是x.x in 2017.期间之间和之后可能有多个空格。一些随机十进制数字。

Answer 1

简

由于您尝试匹配的文字的性质以及您正在使用的内容，此正则表达式可能不适用于您的所有案例，但它适用于您提供的文本示例。

代码

See regex in use here

(?:^|(?<=\.\s))(?:\S*\s*){1,3}(?:\.\s+|\.$)

结果

输入

  

主题：印度。这是一个例句。 。印度的国内生产总值是x.x in   2017年。期间之间和之后可能有多个空格。   印度。对外政策。 2.5。 4.5。一些随机十进制数也是。   电子邮件：abc@google.com。

输出

  

这是一个例句。印度的国内生产总值是2017年的x.x。也许有   期间之间和之后是多个空格。一些随机小数   数字也是。

说明

• (?:^|(?<=\.\s))匹配以下任一项
  • ^在行首处断言位置
  • (?<=\.\s)确保前面的正面背后是一个字面点后跟一个空格字符
• (?:\S*\s*){1,3}匹配以下1至3次
  • \S*匹配任意数量的非空白字符
  • \s*匹配任意数量的空白字符
• (?:\.\s+|\.$)匹配以下任一项
  • \.\s+匹配一个文字点后跟一个或多个空格字符
  • \.$匹配文字点并断言行尾的位置