问题
我有一段文字。它可以包含从 ASCII 32(空格)到 ASCII 126(波浪号)的所有字符,包括 ASCII 9(水平制表符)。
文本可能包含句子。每个句子以点、问号或感叹号结尾,紧跟空格。
文本可能包含基本的 Markdown 样式,即:粗体文本( **
,也称为 __
),斜体文本( *
,也称为 _
)和删除线( ~~
)。 Markdown 可能出现在句子内部(例如 **this** is a sentence.
)或句子外部(例如 **this is a sentence!**
)。 Markdown可能不会出现跨句,也就是可能不会这样的情况:**sentence. sente** nce.
. Markdown 可能包含不止一句话,即可能这样的情况:**sentence. sentence.**
.
它还可以包含两个字符序列:<!--
和 -->
.这些序列之间的所有内容都被视为注释(就像在 HTML 中一样)。注释可以出现在文本的任何位置,但不能包含换行符(我希望在 Linux 上它只是 ASCII 10)。
我想检测 Javascript 中的所有句子,并为每个句子在评论中将其长度放在该句子之后,如下所示:sentence.<!-- 9 -->
. 主要是,我不关心它们的长度是否包括 Markdown 标签的长度,但如果不包括就好了。
到目前为止我做了什么?
到目前为止,在这个 answer 的帮助下,我准备了以下用于检测句子的正则表达式。它最符合我的需要——除了它包含评论。
const basicSentence = /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?]/gi;
我还准备了以下用于检测评论的正则表达式。它也按预期工作,至少在我自己的测试中是这样。
const comment = /<!--.*?-->/gi;
例子
为了更好地了解我想要实现的目标,让我们举个例子。比如说,我有以下一段文字:
foo0
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->
foo2bar!
(最后还有一个换行符,但我不知道如何在 Stackoverflow markdown 中添加一个空行。)
预期的结果是:
foo0
b<!-- comment -->ar.<!-- 10 -->
foo1 bar?<!-- 9 -->
<!-- comment -->
foo2bar!<!-- 12 -->
(这一次,末尾也没有没有换行符。)
更新:抱歉,我已经更正了示例中的预期结果。
最佳答案
将回调传递给 .replace
用空字符串替换所有注释,然后返回结果 trim 匹配的长度:
const input = `foo0
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->
foo2bar!
`;
const output = input.replace(
/(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?]/g,
(match) => {
const matchWithoutComments = match.replace(/<!--.*?-->/g, '');
return `${match}<!-- ${matchWithoutComments.length} -->`;
}
);
console.log(output);
当然,如果您愿意,您也可以使用类似的模式将 markdown 符号替换为内部文本内容:
.replace(/([*_]{1,2}|~~)((.|\n)*?)\1/g, '$2')
(由于嵌套和可能不平衡的标签,正则表达式不太适合使用,您可能必须重复该行,直到找不到进一步的替换)
此外,根据评论,您当前的正则表达式期望每个句子都以 .
结尾, !
, 或 ?
.评论的!
在<!--
被视为(短)句的结尾。一种选择是在正则表达式的最后查找空格(空格或换行符)或输入的结尾:
const input = `foo0
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->
foo2bar!
<!-- comment -->`;
const output = input.replace(
/(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?](?=\s|$|[*_~])/g,
(match) => {
const matchWithoutComments = match.replace(/<!--.*?-->/g, '');
return `${match}<!-- ${matchWithoutComments.length} -->`;
}
);
console.log(output);
关于javascript - 如何使用 Javascript 正则表达式检测没有评论和 Markdown 的句子?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53017709/