按期间分句，后跟大写字母

Question

我正在尝试找到一个正则表达式，它会将一段文本拆分为句子. / ? / !，然后是一个空格，后跟一个首都信。

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

应拆分为：

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

我可以将其拆分为. / ? / !，但我没有运气获得空格和大写字母标准。

我想出了什么：

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

Answer 1

  

根据标准将一段文本拆分成句子./？/！接下来是一个后跟大写字母的空格。

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)/。

<强>详情：

• [!?.] - 匹配!，?或.即...
• (?=\s+\p{Lu}) - （一个积极的前瞻）后面跟着1+个空格，后面紧跟着当前位置右边的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为句子，则应考虑使用现有的NLP解决方案/库。参见：

• Pragmatic Segmenter
• srx-english

后者基于正则表达式，可以使用更多正则表达式轻松扩展。

Answer 2

除了Wiktor的答案之外，您还可以使用外观找到零宽度并将其拆分。

正则表达式： (?<=[.?!]\s)(?=[A-Z])找到零宽度，前面有[.?!]和空格，后跟大写字母。

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

<强>输出

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

的 Ruby Demo

更新：基于Cary Swoveland's comment。

  

如果OP希望将字符串分解为句子，我建议使用(?<=[.?!])\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1