c# - 将文本拆分成句子，即使 Mr. Mrs. 存在于文本中

Question

我有一个问题，我想用句号 (.) 将文本拆分成句子

例如:

先生Bean 是一部英国喜剧电视连续剧，每集 14 集半小时，由罗温·阿特金森 (Rowan Atkinson) 主演。不同的剧集由阿特金森、罗宾德里斯科尔、理查德柯蒂斯和本埃尔顿编写。

如果我拆分上面的文本，我会得到 3 个句子，比如，

1.先生

2.《憨 bean 》是一部英国喜剧电视连续剧，每集 14 集半小时，由罗温·阿特金森 (Rowan Atkinson) 主演。不同的剧集由阿特金森、罗宾德里斯科尔、理查德柯蒂斯和本埃尔顿编写。

3.不同的剧集由 Atkinson、Robin Driscoll、Richard Curtis 和 Ben Elton 编写。

---

我想在第二句中包含 Mr.，因为文本应该分成两句而不是三句。

<强>1。 Mr. Bean 是一部英国喜剧电视连续剧，每集 14 集半小时，由罗温·阿特金森 (Rowan Atkinson) 主演。不同的剧集由阿特金森、罗宾德里斯科尔、理查德柯蒂斯和本埃尔顿编写。

2.不同的剧集由阿特金森、罗宾德里斯科尔、理查德柯蒂斯和本埃尔顿编写。

请帮助我。感谢社区的即时反馈。

谢谢。

Answer 1

如果您正在寻找一种方法来避免在缩写后拆分句子(如 a.m.)，那将是一个困难的自然语言问题。

如果您只想拆分句子而不用担心 Mr. 或 Mrs.(并且有一个不太可能出现在文本中的字符，如 *)，这里有一个简单的方法:

1. 将 Mr. 和 Mrs. 的所有实例替换为 Mr* 和 Mrs*
2. 在 上拆分文本。
3. 在生成的数组中，将 Mr* 和 Mrs* 的所有实例替换为 Mr. 和 Mrs.

这是一个使用 NUL 作为标记字符的版本，因为它几乎不可能无意中出现在文本中:

static IEnumerable<string> Splitter(string sentences)
{
    char sentinel = '\0';
    return sentences.Replace("Mr.", "Mr" + sentinel)
        .Replace("Mrs.", "Mrs" + sentinel)
        .Split(new[] { ". " }, StringSplitOptions.None)
        .Select(s => s.Replace("Mr" + sentinel, "Mr.")
                        .Replace("Mrs" + sentinel, "Mrs."));
}

如果您是那种认为任何特定角色都可能出现在您的文本中的偏执狂，请随意使用哨兵的 GUID。