复杂的字符串拆分

Question

我有一组结构相似的字符串，我试图通过 JavaScript 将它们分解成单独的部分。

示例字符串：

Jr. Kevin Hooks, Irene Cara, Moses Gunn, Robert Hooks, Ernestine Jackson, José Feliciano. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur ullamcorper sodales nulla id hendrerit.

理想输出：

[
 "Jr. Kevin Hooks","Irene Cara",… 
 "Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur
  ullamcorper sodales nulla id hendrerit."
]

我的第一个想法是在 '. ' 将名称从文本块中分离到最后，然后在 ', ' 处拆分名称组，但是因为有些名称像 'Jr. Kevin Hooks' 并且文本块也包含 '. ' 这种方法失败了。使用 ', ' 作为键也会失败，因为文本块包含 ', '.

关于如何完成此任务有什么建议吗？

非常感谢！

Answer 1

如果我们可以假设：

名字出现之前没有文字
名称中的点仅出现在最多 3 个字母的单词的末尾
如果最后出现的名字以这样的缩写结尾，那么它后面还需要跟一个点来结束列表（例如"Abram Lincoln, John Johnsen Jr.. Lorem ipsum dolor"），否则无法知道下一个是否出现单词是否属于名称。

那么你可以使用这个正则表达式：

/([a-z]{1,3}\.|[^\s,.]+)(\s+([a-z]{1,3}\.|[^\s,.]+))*(?=[,.])|\..*$/ig

var text = 'Jr. Kevin Hooks, Irene Cara, Moses Gunn, Robert Hooks, Ernestine Jackson, José Feliciano. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Curabitur ullamcorper sodales nulla id hendrerit.'
var result = text.match(/([a-z]{1,3}\.|[^\s,.]+)(\s+([a-z]{1,3}\.|[^\s,.]+))*(?=[,.])|\..*$/ig);
// Optionally remove the point at the start of the last match:
if (result) result.push(result.pop().replace(/^\.\s*/, ''));
console.log(result);

.as-console-wrapper { max-height: 100% !important; top: 0; }

解释：

[a-z]{1,3}\. 匹配一到三个拉丁字符，后跟一个点
[^\s,.]+) 匹配非白色-space、逗号或点
( | ): either must match: 以上两种模式以这种方式组合，意味着名称中的单词必须最多三个拉丁字母后跟一个点，或者任意数量的非白色-space，不包括逗号和点。
(\s+([a-z]{1,3}\.|[^\s,.]+))*：可选（*）允许更多这样的词：匹配一个或多个白色 spaces，并重复开头的模式。
(?=[,.])那一系列的单词必须以逗号或点结尾，不抓取（只能向前看）：通过不抓取点，我们肯定知道开头的模式不能不再匹配，那就是下一个模式将完成工作的时间：
\..*$ 匹配文字点，然后匹配字符串末尾的任何字符 ($)

最后一个文本块之前的点也包含在最后一个匹配项中，因此您可能希望单独删除它（参见代码段）。

复杂的字符串拆分

Complicated split of string

javascript

string

解释：