大家好，我正在尝试将文本拆分为句子，为此，我正在使用正则表达式逻辑来拆分空格和空格。
文本文件由“先生”、“美国”组成和“英国”哪些是我不想将文本拆分成句子的字母。
我正在使用的正则表达式可以在附图中看到 *
这可以完成工作，但会产生问题。
这里的正则表达式在“我的名字是艾西瓦娅先生。”这句话中选择“a.”。我怎样才能将它改为只选择“。”？
【问题讨论】：
\b(?:U\.[SK]|Mr)\. 结果你想要什么？
标签： r regex regex-negation
你可以使用
\b(?:Mr|U\.S|U\.K)\.(*SKIP)(*F)|\.\s+
# A shrunk version:
\b(?:Mr|U\.[SK])\.(*SKIP)(*F)|\.\s+
请参阅regex demo。 详情：
\b(?:Mr|U\.S|U\.K)\.(*SKIP)(*F) - 一个完整的单词 Mr., U.S., U.K. 匹配，跳过匹配，从失败位置开始搜索下一个匹配| - 或\.\s+ - .，然后是一个或多个空格。查看R demo：
x <- "My name is Mr. Aishwarya. I live in the U.K. and want to go to U.S. Us will go to Australi. Who else wants to go to U.S.A. ? My wife's name is Ruchika Bhatt. "
strsplit(x, "\\b(?:Mr|U\\.S|U\\.K)\\.(*SKIP)(*F)|\\.\\s+", perl=TRUE)
输出：
[[1]]
[1] "My name is Mr. Aishwarya"
[2] "I live in the U.K. and want to go to U.S. Us will go to Australi"
[3] "Who else wants to go to U.S.A"
[4] "? My wife's name is Ruchika Bhatt"
【讨论】：
您尝试的模式是negated character class[^U.S|U.K.|Mr.]，因为它以^ 开头并匹配除所列字符之外的任何字符。
也可以写成[^.US|KMr](\.\s)，之所以匹配a. 是因为a没有在字符类中列出。
你想要的是一个带有括号 () 和一个管道 | 的分组机制来分隔备选方案。
另一种选择是使用否定的lookbehind，在匹配点和空格之前，在左侧断言不是U.S U.K 或Mr，前面是单词边界。
(?<!\bU\.[SK]|\bMr)\.\s
模式匹配：
(?<! 负向后看，断言左边的不是
\bU\.[SK] 匹配美国或英国|或者\bMr匹配先生) 近距离观察\.\s 匹配一个点和一个空格字符（或使用\h 不匹配换行符，只匹配一个空格）在 R 中为 Perl 兼容的正则表达式设置 perl=TRUE：
strsplit(
"My name is Mr. Aishwarya. I live in the U.K. and want to go to U.S. Us will go to Australi. Who else wants to go to U.S.A. ? My wife's name is Ruchika Bhatt. ",
"(?<!\\bU\\.[SK]|\\bMr)\\.\\s",
perl=TRUE
)
输出
[[1]]
[1] "My name is Mr. Aishwarya"
[2] "I live in the U.K. and want to go to U.S. Us will go to Australi"
[3] "Who else wants to go to U.S.A"
[4] "? My wife's name is Ruchika Bhatt"
【讨论】：