使用 JavaScript 计算字符串中的句子

Question

已经有几个类似的问题：

• 将 textarea 句子拆分为数组并找出 keyup() 上更改的句子
• JS RegEx 将文本拆分成句子
• 用于将文本拆分为句子并保留分隔符的 Javascript RegExp
• 在javascript中将字符串拆分为句子

我的情况有点不同。

我需要数数字符串中的句子数。

最接近我需要的答案是：

str.replace(/([.?!])\s*(?=[A-Z])/g, "$1|").split("|")

这里唯一的问题是这个 RegEx 假设句子以大写字母开头，但情况并非总是如此。

更具体地说，我将一个句子定义为：

• 以字母（大写与否）、数字甚至符号（如 $ 或 €）开头。
• 以标点符号结尾，例如“.”、“?”或“！”。

但是，如果一个句子包含一个数字，而数字本身又包含一个“.”或一个“，”，则该句子应被视为一个句子而不是两个句子。

最后但并非最不重要的一点是，我们可以假设，除了第一句话，一个句子前面都有一个空格。

给定一个随机字符串，我如何计算它包含的 Javascript（或 CoffeeScript）的句子数？

Answer 1

解决您的问题的一种正则表达式是：

\w[.?!](\s|$)

各部分如下：

\w - Word character
\[.?!] - Punctuation as specified.
(\s|$) - Whitespace character OR the end of the string.

您可以使用字符类而不是组：

[\s|$]

对于最后一个元素，但这不适用于https://regex101.com/。

在以下方面进行了测试：

与流行的看法相反，Lorem Ipsum 不仅仅是随机文本。它源于公元前 45 年的一段古典拉丁文学，已有 2000 多年的历史。弗吉尼亚州汉普登-悉尼学院的拉丁语教授理查德麦克林托克从 Lorem Ipsum 的一篇文章中查找了一个较为晦涩的拉丁词 consectetur，并查阅了古典文学中对该词的引用，发现了无可置疑的来源。Lorem Ipsum 来自西塞罗写于公元前45年的“de Finibus Bonorum et Malorum”（善与恶的极端）的 1.10.32 和 1.10.33 节。这本书是关于伦理学理论的论文，在文艺复兴时期非常流行。Lorem Ipsum 的第一行“Lorem ipsum dolor sat amet..”来自第 1.10 节中的一行。32.

并找到六个句子（在句子末尾加粗，而不是实际匹配）。请注意，如果您出于任何原因依赖不同的分组，则可能会造成问题。