用于将带有缩写的文本拆分为句子的正则表达式答案

【问题标题】：RegEx for splitting text with abbreviations into sentences用于将带有缩写的文本拆分为句子的正则表达式
【发布时间】：2019-03-07 15:52:12
【问题描述】：

我有一个文本。我需要一个句子列表。有很多微妙之处，例如在缩写中使用点。我找到了这个正则表达式

(?<!\w\.\w.)(?<![A-Z][a-z]\.)(?<=\.|\?)\s

但它不能正常工作

例如我有这样的文字：

19 号房子很旧。人们说有鬼，但没有人见过他们。然而，它并没有被称为“闹鬼” 屋;年复一年，它仍然存在：“待售”

房屋经纪人拉迪什先生很高兴看到兰开斯特夫人在对这个房子感兴趣。但她的问题是：“它空了多久？” 让他有点担心：“呃——呃——过一段时间，”他回答道。

这就是使用这个正则表达式进行拆分的方式

19 号房子很旧。
人们说有鬼，但没有人见过。
然而，它并没有被称为“鬼屋”。年复一年，它仍然存在：“要出租还是要出售”

房屋经纪人 Raddish 先生很高兴看到 Mr.
兰开斯特对这所房子很感兴趣。
但她的问题是：“它空了多久？”让他有点担心：“呃——呃——过一段时间，”他回答。

正如你所看到的那样，它与夫人分开了，但我不想要这个

应该是这样的：

19 号房子很旧。
人们说有鬼，但没有人见过。
然而，它并没有被称为“鬼屋”。年复一年，它仍然存在：“要出租还是要出售”

房屋经纪人拉迪什先生很高兴看到兰开斯特夫人对这所房子感兴趣。
但她的问题是：“它空了多久？”让他有点担心：“呃——呃——过一段时间，”他回答。

有人可以帮我解决这个问题吗？

【问题讨论】：

所以你要建立一个以点结尾但不是句子结尾的所有事物的列表？也很奇怪先生会有一个点....
我想得到一个页面上所有句子的列表，以增加点击翻译整个句子的能力。但是如果句子包含缩写，我会遇到问题
没有 reg exp 可以确定它是否是 abv。因此，您需要列出所有可能的缩写。
如果句子的最后一个单词是缩写怎么办？这是一个出乎意料的棘手问题。
NLP（自然语言处理）比正则表达式更适合解决这类任务

标签： javascript regex text split

【解决方案1】：

谢谢大家的回答。 NLP 是一个很棒的解决方案。 HERE 是正确的解决方案：

const txt = `The house No. 19 was very old. People said that there lived ghosts but nobody had ever seen them. However, it wasn’t called a «haunted» house; year after year it remained: "To Be Let or Sold"

The house agent Mr. Raddish was glad to see that Mrs. Lancaster was interested in this house. But her question: «How long was it empty?» made him a little worried: «Er — er — some time,» he answered.`;
let sentences = nlp(txt).sentences().data()
for (var s of sentences) {
  document.body.innerHTML += s.text + "<br/>";
}

&lt;script src="https://unpkg.com/compromise@latest/builds/compromise.min.js"&gt;&lt;/script&gt;

【讨论】：

【解决方案2】：

这是我能用 RegEx 做的最好的帮助，因为如果您需要性能，RegEx 将比完整的 NLP 分析更快。

.+?(?:(?<![\s.]\p{Lu}|r|rof|s|rs|iss|o)[.!?]|$)

【讨论】：