使用JavaScript计算字符串中的句子数

Posted 2021-04-16

已经有几个类似的问题：

• Splitting textarea sentences into array and finding out which sentence changed on keyup()
• JS RegEx to split text into sentences
• Javascript RegExp for splitting text into sentences and keeping the delimiter
• Split string into sentences in javascript

我的情况有所不同。

我需要count个字符串中的句子数。

最接近我需要的答案是：

str.replace(/([.?!])s*(?=[A-Z])/g, "$1|").split("|")

这里唯一的问题是此RegEx假定句子以大写字母开头，但情况并非总是如此。

更具体地说，我将句子定义为：

• 以字母（无论是否大写），数字甚至是符号（例如$或€）开头。
• 以标点符号结尾，例如“。”，“？”或“！”。

但是，如果一个句子包含一个数字，而该数字本身包含一个“。”或一个“，”，则该句子应被视为一个句子而不是两个句子。

最后但并非最不重要的一点，我们可以假设除了第一个句子之外，一个句子前面都有一个空格。

给出一个随机字符串，如何计算javascript（或Cof​​feeScript）包含的句子数？

答案

一个解决您问题的正则表达式是：

w[.?!](s|$)

各部分如下：

w - Word character
[.?!] - Punctuation as specified.
(s|$) - Whitespace character OR the end of the string.

您也许可以使用角色类而不是组：

[s|$]

对于最后一个元素，但这不适用于https://regex101.com/。

经过以下测试：

与普遍的看法相反，Lorem Ipsum不只是随机的文本。起源于公元前45年的一部古典拉丁文学作品，超过2000年old。理查德·麦克林托克（Richard McClintock），弗吉尼亚州的汉普顿-悉尼大学，抬头看的比较模糊来自Lorem Ipsum段落的拉丁词consectetur通过古典文学中的单词引用，发现了毫无疑问source。 Lorem Ipsum来自1.10.32节和西塞罗（Cicero）撰写的“ de Finibus Bonorum et Malorum”（善恶的极端）的1.10.33，写于45 BC。伦理学理论，在Renaissance。第一行期间非常流行Lorem Ipsum的文章“ Lorem ipsum dolor sit amet ..”来自于第1.10节。32。

并找到六个句子（将句子结尾加粗，而不是实际匹配）。请注意，如果出于任何原因依赖不同的分组，可能会造成问题。

另一答案

我想出了一个简单得多的解决方案。

let text = text + " ";
const count = text.split(". ").length - 1;
console.log(count);