-2

Мне нужно регулярное выражение, которое "вырезает" каждое предложение из текста. Разделителем может служить точка и большая буква новой строки.

Я написал regex "(\w+\s?)+\.\s?$?", оно вырезает такие предложения:

Some sentences. Than must be extracted. By a regular expression.

Но не корректно работает с предложениями у которых есть какие либо символы, типа ", - '" и так далее, так же не работает с кириллическими символами.

Нужно решить задачу без использования split.

7
  • Дайте пример некорректных предложений
    – user285292
    8 сен 2018 в 12:44
  • Some, sentences. With symbols like ',' or '-'. Или же кириллические символы. For example-this. (Такие предложения не работают, а должны)
    – Nazar019
    8 сен 2018 в 12:48
  • 1
    попробуйте это [A-ZА-Я]{1}[^\.]+\.?
    – user285292
    8 сен 2018 в 12:57
  • @Let'ssayPie, In computing, plain text is a loose term for data (e.(ЛОМАЕТСЯ В ЭТОМ МЕСТЕ, считает за конец предложения)g. file contents) that...
    – Nazar019
    8 сен 2018 в 13:46
  • 1
    Можно ли предположить, что предложения, которые вы хотите извлечь, всегда разделены знаками ?, ! или ., за которыми следует 1 и более пробельных символов, за которыми следует заглавная буква? Т.е. (?Us).*?(?:[?!.]\s+\p{Lu}|$)? 8 сен 2018 в 20:08

2 ответа 2

0

Если предположить, что предложения, которые вы хотите извлечь, всегда разделены знаками ?, ! или ., за которыми следует 1 и более пробельных символов, за которыми следует заглавная буква, то можно использовать

String regex = "(?Us).*?(?:[?!.]\\s+\\p{Lu}|$)";

Подробности

  • (?Us) - модификаторы, позволяющие классам вроде \s находить все пробельные символы Юникода ((?U)) и . находить символы перехода на новую строку ((?s))
  • .*? - 0 и более любых символов
  • (?:[?!.]\\s+\\p{Lu}|$) - незахватывающая подмаска с двумя альтернативами:
    • [?!.]\\s+\\p{Lu} - ?, ! или ., затем 1+ пробельных символов и заглавная буква
    • | - или
    • $ - конец строки.
0

Ваше регулярное выражение верно, но чтобы включить кириллицу, надо поставить флаг unicode ((?U)).

Далее, вам нужно разделять предложения по запятым и по дефису:

([\w+|\w+\,-]\s?)+[.]\s?

вот тут можно посмотреть работающий пример https://regex101.com/r/yj8OoI/1

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.