正则表达式处理多种断句条件

Question

我正在尝试制作一个在异常中使用的正则表达式。

因此这些句子必须 return 为假（前导数字包含在字符串中）：

3.{17} this is italics and should break.{18}

4. this is another sentence and should break.

5. This is another sentence and should break.

它必须 return 对于这些：

There are 2 reasons for this 1. you are here and 2. you are communicating.

Is it 2? they wanted to know.

1 digit at the beginning but with 1. with a period should return true.

换句话说，如果字符串的开头是一个数字后跟一个句点，它应该 return false（即使 "\{\d+\}" 可以选择跟随它）和 [= 后面的字符49=]没关系。如果数字和句点（或 ! 或 ?）嵌入在句子中后跟小写字符，则它必须 return 为真，在其他情况下它必须为假。

进一步说明：这会进入 java 属性文件，然后将值传递给 perl5 正则表达式引擎以 return 损坏的文本。

我试着用一种表达方式来表达它，但不知怎的我无法表达正确。这是到目前为止提出的：

^([^0-9\.]+[\.]|
[^\.!\?]*[\?!]+[\?!\.]+|
[0-9]+[^\?!\.]+[\?!\.]+|
[^0-9]*[0-9]+[^\?!\.]+[\?!\.]+)
(\{\d+\}[\u0020\u00A0]|
[\u0020\u00A0]*)[a-z]

我好像走到了死胡同，看不出我哪里错了。

感谢任何建议。

更新： 具有前瞻性的更简单格式：^(?!\d+\.)[^.!?]*[.!?]+(\{\d+\}\s|\s*)\p{Ll} 基于评论。

Answer 1

您可以使用

^(?!\d+\.)[^.!?]*[.!?]+(\{\d+\}\s|\s*)\p{Ll}

参见regex demo。

模式匹配：

^ - 字符串锚点的开始
(?!\d+\.) - negative lookahead 如果其模式在字符串的开头匹配，则匹配失败：1+ 数字后跟一个点
[^.!?]* - .、! 和 ?
[.!?]+ - 1 个或多个 .、! 或 ? 符号
(\{\d+\}\s|\s*) - { + 1 个或多个数字 + } 或 0+ 个空格（如果您对使用此 捕获的值不感兴趣捕获组，你可以通过在第一个(之后添加?:将其变成非捕获组。
\p{Ll} - 小写字母（如果使用 u 修饰符，它也会匹配所有 Unicode 小写字母）。

正则表达式处理多种断句条件

RegEx expression to handle multiple conditions of breaking sentences

regex

regex-negation