郑德才博客

出于需要，自己写了个分割句子用的正则表达式，考虑了各种特殊情况，所以写的比较长

public static Regex UselessPunctionRegex = new Regex(@"'(?!(s|t|re|m)( |$))|\.$|\. |\.{2,}|©|`|~|!|@|#|\$|%|\^|\*|\(|\)|(^|[^\w])-+|-+($|[^\w])|_|=|\+|\[|\]|\{|\}|<|>|\\|\||/|;|:|""|•|–|,|\?|×|！|·|…|—|（|）|、|：|；|‘|’|“|”|《|》|，|。|？");

比如下面的句子可以进行正确的分割：

@"What's your name? My name is Han mei-mei. I am from U.S.A! Nice to meet you!"

它会分割成：

What's your name

My name is Han mei-mei

I am from U.S.A

Nice to meet you

保证了特殊标点符号不会成为分隔符，比如其中的What's，mei-mei，U.S.A

我把键盘上所有的标点都按上去了。

【注意】此正则表达式不能识别不加空格的句号分隔符，比如

Nice to meet you.Nice to meet you, too.

只能分割成

Nice to meet you.Nice to meet you

too

要想解决这个问题，建议首先使用OpenNLP工具，里面有个类名叫

EnglishMaximumEntropySentenceDetector

它有个方法名叫

SentenceDetect()

可以分割以结束符（句号，问号，省略号）为结尾的句子，

然后再使用上面的正则表达式，就更加准确

来源：博客园