正则表达式使用 match(） 将长文本拆分为单独的句子

Regex that splits long text in separate sentences with match()

本文关键字：拆分 文本 单独 句子 match 正则表达式      更新时间：2023-09-26

这是一个文本区域，用户在其中写入一些文本。我在里面写了一个例子。

<textarea id="text">First sentence. Second sentence? Third sentence!
Fourth sentence.
Fifth sentence
</textarea>

正则表达式中已考虑的要求

  • 分隔符包含在数组项中
  • 最后一句不一定需要分隔符（它可以以任何字符结尾）
  • 如果句子具有多个分隔符字符，则该句子将包含在数组项中。示例：第二句?!?应为 [...，"第二句?!?",...]

缺少要求（我需要帮助）<<

每个新行都应由一个空数组项表示。如果应用了正则表达式，则应该是响应：

["First sentence.", "Second sentence?", "Third sentence!", "", "Fourth sentence.", "", "", "Fifth sentence"]

相反，我收到这个：

["First sentence.", "Second sentence?", "Third sentence!", "Fourth sentence.", "Fifth sentence"]

这是正则表达式和匹配调用：

var tregex = /[^'r'n.!?]+(:?(:?'r'n|['r'n]|[.!?])+|$)/gi;
var sentences = $('#text').val().match(tregex).map($.trim);

有什么想法吗？谢谢！

我简化了很多，要么匹配一行的末尾（换行符），要么匹配一个后跟标点符号的句子：

var tregex = /'n|([^'r'n.!?]+([.!?]+|$))/gim;

我也相信多行的m标志很重要

您可以使用

以下正则表达式：

/((?:'S[^'.'?'!]*)['.'?'!]*)/g

让我们分解一下：

"g"代表全局匹配的标志，表示在第一次出现后保持匹配

从内到外工作，（？:) 是一个分隔符，允许我们对表达式进行分组，但丢弃输出中的匹配结果。我们匹配不包含句点、问号或感叹号的 ''S（非空格）。

您声明要保留此标点符号，因此匹配 [.''？！] 之后的下一部分是一个包含这些相同标点符号的系列，因此它们包含在外部分隔符中。编辑：我为此添加了星号，以包含任意数量的标点符号，或者在句子末尾根本没有标点符号。

使用 http://www.pagecolumn.com/tool/regtest.htm 或类似的 Javascript 正则表达式测试器查看匹配的组。

相关文章：