Kotlin正则表达式：匹配句末句号并忽略缩写类中间句号

要解决缩写导致的误匹配问题，我们需要构造能区分句末句号和缩写内句号的正则规则，针对你提到的两种缩写场景（单个字母缩写如J.、多字母分隔缩写如U.S.），可以通过负向零宽断言来排除这些情况。

最终正则规则 #

val regexRule = "(?<!\\b[A-Za-z]\\.)(?<!\\.[A-Za-z])\\.(\\s+(?=[A-Z])|$)"

规则解释 #

• (?<!\\b[A-Za-z]\\.)：负向后顾，确保当前句号前不是「单个单词边界字母+句号」的结构（排除J.这类单个字母缩写后的句号）
• (?<!\\.[A-Za-z])：负向后顾，确保当前句号前不是「句号+字母」的结构（排除U.S.、p.m.这类多字母分隔缩写中的句号）
• \\.：匹配句号本身
• (\\s+(?=[A-Z])|$)：匹配句号后跟随的「一个或多个空格+大写字母」（新句子开头特征），或句号位于文本末尾的情况

完整代码示例 #

val text = "At 12.51 p.m. local time, J. Knapp, former U.S. Navy,  went out for a walk. Yes he did. And then a Mw6.3 earthquake happened."
val regexRule = "(?<!\\b[A-Za-z]\\.)(?<!\\.[A-Za-z])\\.(\\s+(?=[A-Z])|$)"
val splitText = text.split(regexRule.toRegex())
val result = splitText.joinToString(separator = ".\n\n")

println(result)

输出结果 #

At 12.51 p.m. local time, J. Knapp, former U.S. Navy,  went out for a walk.

Yes he did.

And then a Mw6.3 earthquake happened.

内容的提问来源于stack exchange，提问作者Dmitri