0

Имеется срочная необходимость разбить русский текст из файла на предложения. Простое деление (split) по ., ! или ? не подойдет. Нужно учитывать варианты сокращений типа т. о., др., т. д.; сокращения перед именем собственным (г. Москва), сокращения типа Иванов И. И. и другие. Сейчас код регулярного выражения выглядит так:

string[] splitSentences = Regex.Split(sTemp, @"(?<!\w\.\w.)(?<![A-Z][a-z]\.)(?<=\.|\?)(\s|[A-Z].*)");

Понятно, что этого не достаточно. Помогите, пожалуйста.

1
  • как вариант, игнорировать точку по слов из одной или дву букв 19 мая 2018 в 8:56

1 ответ 1

1

Я конечно не могу ручаться за 100% валидные предложения.

[А-ЯЁ][\S\s]+?(?:[\S][^А-ЯЁ\.]){1,}(?:\.+|[?!])(?!(\s*[а-яё)\-"«0-9\.]))

Но такой вариант подошел на частные случаи г. Москва или Иванов И.И.

Жду комментариев если какой-то участок вам мозолит глаза!

Вот здесь тестировал

2
  • Что обозначают символы "«
    – SVD102
    18 дек 2020 в 5:42
  • Для С# не подходит данный шаблон.
    – SVD102
    18 дек 2020 в 5:43

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.