Javascript RegExp用于将文本拆分为句子并保留分隔符

Question

我试图使用javascript的拆分来获取字符串中的句子,但保留分隔符,例如!？.

到目前为止我有

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

哪个有效,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？

Answer 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);

Answer 2

改进了lonemc的答案（改进了Mia Chen的答案，改进了mircealungu的答案）：

首先，我们可以u在末尾添加一个选项来匹配 unicode 字符。换句话说，我们可能希望能够解析德语句子、法语句子等。

其次，我们可以使用“Sentence_Terminal”，而不是对应该结束句子的字符进行硬编码，它是 unicode 标准的一部分。

第三，我们可以使用“ Close_Punctuation ” ，而不是对构成右括号的字符进行硬编码。

第四，我们可以使用“ Final_Punctuation ” ，而不是对构成结束引号的字符进行硬编码。

第五，我们可能不想匹配看起来像枚举的东西。例如：

这是第一句话！这是我谈论 MyEnum.Value1 的第二句话！

为此，我们可以使用前瞻模式来构建匹配：

string.match(/(?=[^])(?:\P{Sentence_Terminal}|\p{Sentence_Terminal}(?!['"`\p{Close_Punctuation}\p{Final_Punctuation}\s]))*(?:\p{Sentence_Terminal}+['"`\p{Close_Punctuation}\p{Final_Punctuation}]*|$)/guy);

这是Regex101.com上正则表达式的链接。

Answer 3

以下是Larry的答案的一个小补充,它也将与paranthetical句子相匹配:

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

应用于:

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!!!"

施舍:

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

Answer 4

试试这个: -

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

? 是正则表达式中的特殊字符,因此需要进行转义.

对不起,我想念你的问题 - 如果你想保留分隔符,那么你需要使用match不要split看到这个问题

Answer 5

米娅的答案的改进是一个版本，其中还包括没有标点符号的结尾句子：

\n

string.match(/[^.?!]+[.!?]+[\\])'"`\xe2\x80\x99\xe2\x80\x9d]*|.+/g)\n

\n