按句号拆分句子，后跟大写字母

Question

我正在尝试找到一个正则表达式，它将一段文本拆分为 ./?/! 的句子，然后是一个空格，后跟一个大写字母。

"Hello there, my friend. In other words, i.e. what's up, man."

应该拆分为：

Hello there, my friend| In other words, i.e. what's up, man|

我可以在 ./?/! 上拆分它，但我无法获得空格和大写字母标准。

我想出了什么：

.split("/. \s[A-Z]/")

Answer 1

根据它是 ./?/! 的条件将一段文本拆分为句子后跟一个空格，后跟一个大写字母。

您可以使用基于前瞻的正则表达式：

s = "Hello there, my friend. In other words, i.e. what's up, man."
puts s.split(/[!?.](?=\s+\p{Lu})/)

请参阅Ruby demo。如果您还需要在字符串末尾使用标点符号进行拆分，请使用/[!?.](?=(?:\s+\p{Lu})|\s*\z)/。

详情：

• [!?.] - 匹配 !、? 或 . 即...
• (?=\s+\p{Lu}) -（正向前瞻）后跟 1+ 个空格，紧接着当前位置右侧的 1 个大写字母。

请参阅Rubular demo。

注意：如果您需要将常规英文文本拆分成句子，您应该考虑使用现有的 NLP 解决方案/库。见：

• Pragmatic Segmenter
• srx-english

后者基于正则表达式，可以很容易地用更多的正则表达式进行扩展。

Answer 2

除了 Wiktor's Answer，您还可以使用环视查找零宽度并在其上分割。

正则表达式： (?<=[.?!]\s)(?=[A-Z]) 查找前面有 [.?!] 和空格并后跟一个大写字母的零宽度。

s = "Hello there, my friend. In other words, i.e. what's up, man."
puts s.split(/(?<=[.?!]\s)(?=[A-Z])/)

输出

Hello there, my friend. 
In other words, i.e. what's up, man.

Ruby Demo

---

更新：基于Cary Swoveland's comment。

如果 OP 想要将字符串分成句子，我建议 (?<=[.?!])\s+(?=[A-Z])，因为它会删除句子之间的空格并允许此类空格的数量大于一个