我试图将utf-8字符串解析成"一口大小"的段.例如,我想将文本分解为"句子".
是否有一个全面的字符集(或正则表达式)对应于所有语言的句子结尾？我正在寻找可以捕捉拉丁时期,感叹号和审讯标记,中国和日本句号等的东西.
像上面这样的东西,但相当于一个逗号也会很棒.
unicode parsing character-encoding punctuation string-parsing
character-encoding ×1
parsing ×1
punctuation ×1
string-parsing ×1
unicode ×1