正则表达式拆分句子[重复]答案

【问题标题】：Regex to split sentences [duplicate]正则表达式拆分句子[重复]
【发布时间】：2014-03-24 17:11:54
【问题描述】：

我正在使用 PHP 的 preg_split() 将段落拆分为句子。这是我正在使用的正则表达式：

(?<=[\.\?\!]|(\."))\s(?=[A-Z\s\b])

它应该匹配以标点符号开头的空格，然后是空格或大写字母。但是，它不匹配这样的情况：

A "word. ".

我希望它将它分成两部分：A "word. 和 ".，但它不匹配。如何修复正则表达式？

【问题讨论】：

编写一个正则表达式很容易，该表达式将由“一个空格前面有一个标点符号，后面跟着一个空格或大写字母”，但这并不总是构成句子的开头。常见例外：缩写。 “如何将段落拆分为句子”的简短回答是，仅靠正则表达式无法做到这一点。
同意。词法分析是必要的。
旁注：". 不是有效的语法。对于句点，如果句子以引号结尾，句点应在引号内。因此，您不仅要求正则表达式解析正确的语法（它不能），而且要求它对不正确的语法宽容。
请注意，在字符类 [] 中，您不需要（不应使用）反斜杠。
@Floris 好吧，我承认语言环境在规则中起作用。正则表达式不适合这项工作的更多原因！

标签： php regex

【解决方案1】：

既然你已经承认它不可能完美，这里有一个应该为你“工作”的正则表达式：

$paragraph = 'This is a sentence. "More sentence." Another? "MORE". Many more. She said "how do you do?" and I said "wtf".';
$sentences = preg_split('~([a-zA-Z]([.?!]"?|"?[.?!]))\K\s+(?=[A-Z"])~',$paragraph);

print_r($sentences);

输出：

Array
(
    [0] => This is a sentence.
    [1] => "More sentence."
    [2] => Another?
    [3] => "MORE".
    [4] => Many more.
    [5] => She said "how do you do?" and I said "wtf".
)

【讨论】：

【解决方案2】：

您的正则表达式与您提供的示例不匹配。

你想用你的正则表达式匹配A "word. ".。现在正则表达式可以匹配两个空格：

A "word. ".
 ^      ^

你的正则表达式意味着：

一个空格，前面有 [.?!] 或 ."（字面意思）（1）后跟一个大写字母或另一个空格 ([A-Z\s\b]) (2)

现在第一个空格前面是一个大写字母，因此根据 1 这将不匹配。

第二个空格前面是点，所以是要匹配的候选，但后面没有大写字母或其他空格（根据2），所以没有匹配。

解决此问题的最简单方法是将" 添加到您的前瞻中：

(?<=[.?!]|(\."))\s(?=[A-Z\s\b"])
                             ^

但对于将段落分成句子，我怀疑这是否足够，正如 cmets 已经指出的那样。

【讨论】：

时间不早了，我以为我在句号之后匹配[A-Z\s\b]（而不是空格）。谢谢！

【解决方案3】：

下面的表达式看起来不错：

$arr = preg_split('#(?<=[.?!](\s|"))\s?(?=[A-Z\b"])#',$str);

我测试过

当我的朋友有一天说他喜欢深盘披萨时，我立即定了时间回到小星身边。可以说是最好的旧金山的深盘披萨……虽然……我不相信有很多地方做深盘披萨。话虽这么说......它不是有史以来最好的，只是最好的“该地区”。他们在面包皮中或在面包上使用玉米粉烘烤表面，所以有一点额外的嘎吱声。那个存在说……我不确定我有多喜欢披萨的玉米面质地。我有点想要一个好的外壳，你知道吗？没有额外的东西可以尝试让它更脆。

结果：

Array
(
    [0] => When my friend said he likes deep dish pizza one day, I immediately set a time to come back to Little Star. 
    [1] => Arguably, the best deep dish pizza in SF...though...I don't believe there are many places that do deep dish pizza. 
    [2] => That being said...its not the BEST ever, just the best "for the area."
    [3] => They use cornmeal in the crust, or on the baking surface, so there's a bit of extra crunch to it. 
    [4] => That being said...I'm not sure how much I like the cornmeal texture to my pizza. 
    [5] => I kind of want just a GOOD CRUST, you know? 
    [6] => No extra stuff to try to make it more crunchy.
)

但是，当你做类似的事情时它会失败

I met Ms. Scarlet in the library.

因为. S 将被解释为您的“新行定义”。

【讨论】：