用于将文本拆分为句子并保留分隔符的 Javascript RegExp答案

【问题标题】：Javascript RegExp for splitting text into sentences and keeping the delimiter用于将文本拆分为句子并保留分隔符的 Javascript RegExp
【发布时间】：2012-07-30 11:39:39
【问题描述】：

我正在尝试使用 javascript 的拆分从字符串中取出句子，但保留分隔符，例如 !?.

到现在为止

sentences = text.split(/[\\.!?]/);

有效，但不包括每个句子的结尾标点符号 (.!?)。

有谁知道这样做的方法吗？

【问题讨论】：

? 也是 RegExp 中的一个特殊字符，所以你需要转义它
像. 和? 这样的元字符在字符类中失去了它们的特殊含义。匹配点 (.)、感叹号 (!) 或问号 (?) 的正确方法是 [.!?]。

标签： javascript regex sentence

【解决方案1】：

你需要使用匹配而不是拆分。

试试这个。

var str = "I like turtles. Do you? Awesome! hahaha. lol!!! What's going on????";
var result = str.match( /[^\.!\?]+[\.!\?]+/g );

var expect = ["I like turtles.", " Do you?", " Awesome!", " hahaha.", " lol!!!", " What's going on????"];
console.log( result.join(" ") === expect.join(" ") )
console.log( result.length === 6);

【讨论】：

您可以使用拆分：text.split(/\b(?![\?\.\!])/); \b 告诉它在单词边界上拆分，漂亮的部分是负前瞻。
正则表达式错误。如果我输入：“Phrase 1. Phrase 2. Phrase 3”，“Phrase 3”就会被丢弃。
这是一个在最后一句没有标点符号结束时也适用的变体：var result = str.match(/([^\.!\?]+[\.!\?]+)|([^\.!\?]+$)/g);
哇，这东西也能捕捉到省略号。 var str = "I like turtles... Do you? Awesome! hahaha. lol!!! What's going on????";
当有浮点数时会中断：Lorem Ipsum comes from sections 1.10.32 and 1.10.33 of "de Finibus Bonorum et Malorum"

【解决方案2】：

以下是对拉里答案的一个小补充，它也将匹配副句：

text.match(/\(?[^\.\?\!]+[\.!\?]\)?/g);

适用于：

text = "If he's restin', I'll wake him up! (Shouts at the cage.) 
'Ello, Mister Polly Parrot! (Owner hits the cage.) There, he moved!!!"

给予：

["If he's restin', I'll wake him up!", " (Shouts at the cage.)", 
" 'Ello, Mister Polly Parrot!", " (Owner hits the cage.)", " There, he moved!!!"]

【讨论】：

你错过了标点符号类[.!?]后面的+，所以它不会捕捉到“他动了”后面的三个感叹号。

【解决方案3】：

试试这个：-

sentences = text.split(/[\\.!\?]/);

? 是正则表达式中的特殊字符，需要转义。

抱歉，我错过了阅读您的问题 - 如果您想保留分隔符，那么您需要使用 match 而不是 split 参见 this question

【讨论】：

只是一个小提示：像? 这样的特殊字符不需要在字符类（方括号）内转义。

【解决方案4】：

对 mircealungu 的回答略有改进：

string.match(/[^.?!]+[.!?]+[\])'"`’”]*/g);

开头不需要左括号。
句中包含'...'、'!!!'、'!?'等标点符号。
包括任意数量的方括号和右括号。 [编辑：添加了不同的右引号]

【讨论】：

是否支持...?？

【解决方案5】：

在这里改进 Mia 的答案是一个版本，其中还包括没有标点符号的结尾句子：

string.match(/[^.?!]+[.!?]+[\])'"`’”]*|.+/g)

【讨论】：