在C#中将文本拆分成句子

Question

我想将一段文本分成句子。一个句子以（点）或？或！结尾，后面跟着一个或多个空格字符，下一个句子以大写字母开头。

例如:

第一句话。第二句话！

我该怎么做？

- Lato

---

当他来到房子时，他喊道：“嘿！有人在吗？”，然后打开门走了进去。我可以处理这个问题。 - Fredrik Mörk

我在我的答案中添加了一个正则表达式来考虑这种情况。参考http://www.regexlib.com/REDetails.aspx?regexp_id=2355 - Thea

@Fredrik Mörk，你的例子是一个特别有趣的案例。我会将其作为一个单独的句子处理。 - Lato

Answer 1

你可以使用匹配空格的正则表达式进行分割，并使用向后引用来查找句子终止符：

string[] sentences = Regex.Split(input, @"(?<=[\.!\?])\s+");

这段代码将在空格字符上进行分割，并保留句子中的终止符。

示例：

string input = "First sentence. Second sentence! Third sentence? Yes.";
string[] sentences = Regex.Split(input, @"(?<=[\.!\?])\s+");

foreach (string sentence in sentences) {
  Console.WriteLine(sentence);
}

输出：

First sentence.
Second sentence!
Third sentence?
Yes.

- Guffa

---

非常感谢！非常感谢！非常感谢！！！！！！非常感谢！非常感谢！非常感谢..非常感谢...真的太感谢了...我非常需要这个，之前一直在苦恼只能使用单个字符的string.split()函数。 - Mudassir Hasan

请注意，这种方法无法处理类似于“Hello Mr. & Mrs. Smith”这样的内容。 - Yodacheese

@Yodacheese：是的，这是真的。要想捕捉到句号实际上结束了一个句子，需要进行更加先进的句子意义分析。例如考虑这个句子：“Mr. Smith 是姓氏。” - Guffa

您可以添加省略号：@"(?<=([.!?])|(.{3}))\s+" - Horia Toma

这是一个非常糟糕的解决方案。 - A X

@AX：你为什么这样认为？ - Guffa

Answer 2

你想支持哪些语言？例如，在泰国语中，单词之间没有空格，句子之间用空格分隔。因此，总的来说，这个任务非常复杂。同时，请考虑Fredrik Mörk的有用评论。

所以，首先需要定义“句子”的一组规则。然后，您可以使用建议的解决方案之一。

- wonder.mice

---

我想主要支持英文。有很多特殊情况需要考虑，例如我必须考虑缩写（Dr. Jekyll）。 - Lato

这应该是一条注释，因为这里没有答案，只是在问题中询问更新。 - Leandro Bardelli

Answer 3

尝试这个（MSDN）

char[] separators = new char[] {'!', '.', '?'};
string[] sentences1 = "First sentence. Second sentence!".Split(separators);
//or...
string[] sentences2 = "First sentence. Second sentence!".Split('!', '.', '?');

- Simon

Answer 4

你尝试过使用 String.Split() 吗？在这里可以找到相关文档。

- m.edmondson

---

是的，我做了，但还不够。文本里有链接。（例如：www.mysite.it） - Lato