如何用正则表达式拆分含全角括号的文本为指定格式词单元

针对需求中「全角左括号与后续内容合并、全角右括号与前置内容合并，CJK字符单独成词、连续ASCII字符成词」的规则，可使用以下正则表达式实现：

new Regex(@"（(?:[\u0000-\u007F]+|[^\u0000-\u007F])|[^\u0000-\u007F]）|[\u0000-\u001F\u0021-\u007F]+|[^\u0000-\u007F]");

正则规则说明 #

1. （(?:[\u0000-\u007F]+|[^\u0000-\u007F])：优先匹配全角左括号「（」+ 后续的连续ASCII字符序列，或全角左括号「（」+ 单个CJK字符，确保左括号与后续内容合并为一个单元
2. [^\u0000-\u007F]）：匹配单个CJK字符 + 全角右括号「）」，确保右括号与前置CJK字符合并为一个单元
3. [\u0000-\u001F\u0021-\u007F]+：匹配连续的ASCII非空白字符序列（比如英文单词start）
4. [^\u0000-\u007F]：匹配剩余的单个CJK字符（无括号关联的普通字符）

测试验证 #

对输入文本这是（一段测试）文字（start开始end）的结果进行拆分，输出结果完全符合预期：

这
是
（一
段
测
试）
文
字
（start
开
始
end）
的
结
果

原正则问题说明 #

原正则将全角括号视为独立的CJK字符拆分，未处理括号与前后内容的合并逻辑，因此无法满足需求。通过调整正则匹配优先级，优先匹配带括号的组合单元，即可解决该问题。

内容的提问来源于stack exchange，提问作者Dallon Xu