我正在从事翻译工作，这需要我在句子边界处分拆长页或段落，即英语的句号 (.) 和印地语的 Poorn-Viraam (।)。
这被称为“对齐”或（可能）标记化。
对于 Notepad++ (w9-32 位)，是否有任何插件或正则表达式或宏可以将长文本拆分为句子。（在纯文本 txt 文件中）。，
在正则表达式中，我无法直接找到 . 并将其替换为 .\r\n，因为 . 也用作缩写表示，例如，在 ie 中，例如 pvt.、ltd.、inc. 等。因此它也会替换那里，这是不可取的。此外，如果括号 () [] {} 中有多个句子，那么这些句子也不应该被破坏。
因此，我猜测单个正则表达式命令是不够的，或者它会变得太复杂而无法处理所有可能性。
它必须是一组接连执行的正则表达式，或者是一个宏，
或者是否有人为此开发了一些附加组件？
谢谢。
拉瓦特
答案1
正如塞斯所解释的那样，真的要正确做到这一点，需要自然语言解析。目前，这只能通过专门的实现来实现，例如斯坦福解析器，但不是 Notepad++ 插件。但是，根据一些基本假设，我认为您可以使用简单的正则表达式来解决这个问题。
我首先假设要拆分的句子以“.”结尾，然后有一个空格，然后是一个大写字母。这并不完美，但可以避免括号和缩写问题在多数情况下。
所以...
\. [A-Z]
也许，如果句子以数字开头......
\. [A-Z\d]
然后，也许可以使其更加防空格，并更好地处理括号：
\.[^)\]}]*?\s+[^)\]}]*?[A-Z\d]
- \s+ - 匹配一个或多个空格字符
- [^)]}]*? 确保 . 后面没有右括号或空格
我想您可以根据您的使用情况对此进行更多尝试......
编辑：
我对此思考了很久。我认为你也可以假设，虽然一个句子可以开始只有一个字母（比如单词“I”或“A”），它不太可能结尾在一个字母的单词上（英文）。
所以你可以使用
[a-zA-Z]{2}\.[^)\]}]*?\s+[^)\]}]*?[A-Z\d]
作为一个总体策略，它只是归结为回顾和展望，寻找你期望或不期望在句子结尾或开头找到的东西。