Java - 使用最小大小和分隔符分割标记的正则表达式

Question

我知道我知道，有很多类似的问题，我可以说我读了所有这些问题。 但是，我对正则表达式并不擅长，我无法弄清楚我需要的正则表达式。

我想在Java中拆分一个String，我有4个约束：

1. 分隔符是[。？！]（句末）
2. 十进制数不应该被标记化
3. 不应删除分隔符。
4. 每个令牌的最小大小应为5

例如，输入：

"Hello World! This answer worth $1.45 in US dollar. Thank you."

输出将是：

[Hello World!, This answer worth $1.45 in US dollar., Thank you.]

到目前为止，我得到了这个正则表达式的三个第一个约束的答案：

text.split("(?<=[.!?])(?<!\\d)(?!\\d)");

而且我知道我应该在我的正则表达式中使用{5,} ，但我试过的任何组合都不起作用。

对于以下情况： "I love US How about you?" 如果它给我一个或两个句子并不重要，只要它不将S.标记为单独的句子。

最后，介绍一个很好的正则表达式教程是值得赞赏的。

更新：正如克里斯在评论中提到的那样，几乎不可能用正则表达式来解决这样的问题（用自然语言覆盖所有情况）。 然而，我发现HamZa的答案是壁橱，也是最有用的。

所以，小心！ 接受的答案不会涵盖所有可能的用例！

Answer 1

下一个正则表达式怎么样？

(?<=[.!?])(?!\w{1,5})(?<!\d)(?!\d)

例如

private static final Pattern REGEX_PATTERN = 
        Pattern.compile("(?<=[.!?])(?!\\w{1,5})(?<!\\d)(?!\\d)");

public static void main(String[] args) {
    String input = "Hello World! This answer worth $1.45 in U.S. dollar. Thank you.";

    System.out.println(java.util.Arrays.toString(
        REGEX_PATTERN.split(input)
    )); // prints "[Hello World!,  This answer worth $1.45 in U.S.,  dollar.,  Thank you.]"
}

Answer 2

根据之前制作的正则表达式得出答案。
正则表达式基本上是(?<=[.?!])\\s+(?=[az]) ，这意味着匹配任何前面的空格一次或多次. ， ? 或者! 然后是[az] （不要忘记i修饰符）。

现在让我们根据这个问题的需要对其进行修改：

1. 我们首先将其转换为JAVA正则表达式： (?<=[.?!])\\\\s+(?=[az])
2. 我们将添加i修饰符以匹配不区分大小写(?i)(?<=[.?!])\\\\s+(?=[az])
3. 我们将表达放在一个积极的先行中，以防止字符的“吃”（在这种情况下是分隔符）: (?=(?i)(?<=[.?!])\\\\s+(?=[az]))
4. 我们将添加一个负向lookbehind以检查LETTER DOT LETTER DOT格式中是否没有缩写:( (?i)(?<=[.?!])(?<![az]\\.[az]\\.)\\\\s+(?=[az])

所以我们的最终正则表达式如下：（ (?i)(?<=[.?!])(?<![az]\\.[az]\\.)\\\\s+(?=[az]) 。

一些链接：

• 在线测试员 ，跳转到JAVA
• 解释工具 （不基于JAVA）
• 正则表达式教程
• Java特定的正则表达式教程
• 所以正则表达式聊天室
• 一些先进的好正则表达式在SO上
  • 这个正则表达式如何找到三角形数字？
  • 我们如何匹配^ nb ^ n与Java正则表达式？
  • 这个Java正则表达式如何检测回文？
  • 如何确定一个数字是否是正则表达式的素数？
  • ASCII“图像”中的“垂直”正则表达式匹配
  • 可以从这段PHP代码中删除for循环吗？
    ^ - 请参阅正则表达式解决方案，但不确定是否适用于JAVA