如何调整Regex分句规则，避免匹配Mr./U.S.等缩写后的句点

核心思路是给原有的. 匹配规则增加前置负向回溯断言，过滤所有缩写场景的句点，即可解决误匹配问题。

可直接使用的正则规则 #

匹配分句分隔符的正则如下，可直接用于split拆分逻辑：

(?<!\b(?:Mr|Mrs|Ms|Dr|Prof|Sr|Jr|St|Ave))(?<!\b[A-Z]\.)\.\s(?=[A-Z0-9\n\r]|$)

规则说明 #

• 第一个负向断言 (?<!\b(?:Mr|Mrs|Ms|Dr|Prof|Sr|Jr|St|Ave))：排除Mr.、Dr.、St.这类固定头衔/通用缩写后的句点，你可以根据业务需要，直接在括号内补充其他自定义缩写
• 第二个负向断言 (?<!\b[A-Z]\.)：排除U.S.、J.K.这类单个大写字母构成的缩写后的句点，同时也能避免匹配到人名首字母缩写后的句点
• 末尾正向断言 (?=[A-Z0-9\n\r]|$)：要求句点加空格后必须跟着大写字母、数字、换行或文本结尾，进一步确保匹配的是句末分隔符，降低误判概率

测试效果 #

拿你给出的样例文本My name is Mr. Aishwarya. 测试，规则只会匹配Aishwarya后面的句点加空格，不会误匹配Mr.后面的句点加空格，也不会误拆分其他缩写场景。

内容的提问来源于stack exchange，提问作者Aishwarya Sharma