C#中拆分句子的正则表达式异常：末尾字符丢失问题排查

问题原因 #

你用的正则模式"[^\.\!\?] *[\.\!\?]"逻辑有误：

• [^\.\!\?]仅匹配单个非标点字符
• 后面的*是修饰空格的，而非修饰非标点字符
  这导致正则会把「单个非标点字符+零或多个空格+标点」当成分隔符，Split时这些片段被移除，自然丢失了句子的最后一个字符。

解决方案 #

方案1：用正向后瞻实现正确拆分（保留标点）

用正向后瞻匹配标点后的位置，Split不会移除任何有效内容，直接拆分出完整带标点的句子：

string input = "Lorem ipsum dolor sit amet. Nam autem doloribus ut perspiciatis omnis est ratione quidem!";
// 匹配标点（.！?）后的位置，后续空格可选
string pattern = @"(?<=[\.\!\?])\s*";
string[] sentences = Regex.Split(input, pattern);
// 输出结果：
// ["Lorem ipsum dolor sit amet.", "Nam autem doloribus ut perspiciatis omnis est ratione quidem!"]

方案2：直接匹配提取无标点的句子

如果不需要保留末尾标点，用Matches直接提取符合要求的句子内容更直观：

string input = "Lorem ipsum dolor sit amet. Nam autem doloribus ut perspiciatis omnis est ratione quidem!";
// 匹配所有直到标点前的非标点内容
string pattern = @"[^\.\!\?]+(?=[\.\!\?])";
MatchCollection matches = Regex.Matches(input, pattern);
string[] sentences = matches.Cast<Match>()
                            .Select(m => m.Value.Trim()) // 去除句子前后多余空格
                            .ToArray();
// 输出结果：
// ["Lorem ipsum dolor sit amet", "Nam autem doloribus ut perspiciatis omnis est ratione quidem"]

原正则失效的具体原因 #

拿"amet."举例，原正则会匹配"t. "（单个非标点t+空格+.）作为分隔符，Split时这段被移除，剩下的内容就变成了"ame"，这就是末尾字符丢失的根源。

内容的提问来源于stack exchange，提问作者Lukas Jankauskas