將文本正文拆分爲句子，但保留標點符號？

我正在嘗試在html載入文本的兩個主體之間產生一個人類可讀的類似wiki的區別。我使用的是diff-lcs，第一步是將字符串（字符數組）分成一組句子，但保留標點符號。將文本正文拆分爲句子，但保留標點符號？

"I am a lion. Hear me roar! Where is my cub? Never mind, found him.".magic_split(/[.?!]/) 
# => "I am a lion." "Hear me roar!" "Where is my cub?" "Never mind, found him."

這應該做的伎倆

"I am a lion. Hear me roar! Where is my cub? Never mind, found him.".gsub(/[.?!]/, '\1|').split('|')

除了GSUB似乎有麻煩的插入字符.?!。相反，它返回這

"I am a lion| Hear me roar| Where is my cub| Never mind, found him|"

什麼是最簡單的方法來做一個非破壞性拆分？正如它保留了它分裂的角色。

來源

2013-03-28 Archonic

我認爲這應該是\0

>> string = "I am a lion. Hear me roar! Where is my cub? Never mind, found him." 
>> string.gsub(/[.?!]/, '\0|') 
    # "I am a lion.| Hear me roar!| Where is my cub?| Never mind, found him.|"

來源

2013-03-28 16:52:24 jvnill

scan應該做的伎倆（拋出strip在那裏擺脫尾隨空格）。

s = "I am a lion. Hear me roar! Where is my cub? Never mind, found him." 
s.scan(/[^\.!?]+[\.!?]/).map(&:strip) # => ["I am a lion.", "Hear me roar!", "Where is my cub?", "Never mind, found him."]

來源

2013-03-28 16:50:51

你會如何修改這個，如果你想追上一個句子結尾的「...」像「我是一頭獅子。聽我怒吼！我的幼崽在哪？不要緊，發現他......「 – michaelsking1993

我編輯過它，如下所示：'text.scan（/[^\.!?]+[\.!?]+/）map（＆：strip）「唯一的問題就是沒有一段時間地抓住最後一句話：」我是獅子，聽到我咆哮！你叫什麼名字？不要評價我「，錯過了最後的」不要判斷我「 – michaelsking1993

Working solution：'text.scan（/[^\.!?]+[\.!?]+ | [^ \。！？] +。\ z /）。map（＆：strip）'（there可能是更優雅的方式，但這是工作）。輸入：「我是獅子......聽到我咆哮!!你叫什麼名字？不要評價我」 - >輸出：「[」我是獅子......「」聽到我咆哮!!「，「你叫什麼名字？」，「不要判斷我」）「 – michaelsking1993

將文本正文拆分爲句子，但保留標點符號？

回答

相關問題