regex - 正则表达式匹配以特殊字符结尾的句子，如 . ! ？但忽略像 George W. Bush,Mr. 这样的话。 ETC

Question

我正在寻找一个正则表达式来解析一个文本文件，其中的句子以特殊字符结尾，例如 .、! 和 ? 但忽略乔治·W·布什、霍普金斯先生、紫罗兰夫人等词。

我尝试了 (?!Mr|Mrs|[A-Za-z]\.\s)\S.+?[.!?](?=\s+|$) 但是这似乎不起作用。

Answer 1

英语绝对是一种非常规语言。我认为正则表达式是不够的:您可能需要一个完整的分词器，再加上某种机器学习，可能是马尔可夫模型，来检测一个句子在哪里结束，下一个句子在哪里开始。即便如此，它也只是一种启发式方法——因为人类语言的使用是草率的，所以可能永远不可能有精确的解决方案。