如何使用 Javascript 正则表达式检测没有评论和降价的句子？

Question

问题

我有一段文字。它可以包含从 ASCII 32 (space) 到 ASCII 126（波浪号）的所有字符，包括 ASCII 9（水平制表符）。

文本中可能包含句子。每句话以点、问号或感叹号结尾，紧跟space.

文本可能包含基本的 markdown 样式，即：粗体文本（**，也__），斜体文本（*，也_）和删除线 (~~)。 Markdown 可能出现在句子内部（例如 **this** is a sentence.）或句子外部（例如 **this is a sentence!**）。 Markdown可能不会出现跨句，也就是不一定会出现这样的情况：**sentence. sente** nce.。 Markdown可能包含不止一句话，也就是说，有可能这样的情况：**sentence. sentence.**.

它还可以包含两个字符序列：。这些序列之间的所有内容都被视为注释（如 HTML）。注释可以出现在文本的每个位置，但不能包含换行符（我希望在 Linux 上它只是 ASCII 10）。

我想检测 Javascript 中的所有句子，并将每个句子的长度放在评论中的这句话之后，如下所示：sentence.. 主要是，我不在乎它们的长度是否包含 markdown 标签的长度，但如果不包含就好了。

到目前为止我做了什么？

到目前为止，在这个answer的帮助下，我准备了以下用于检测句子的正则表达式。它最符合我的需要——除了它包含评论。

const basicSentence = /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?]/gi;

我还准备了以下用于检测评论的正则表达式。它也按预期工作，至少在我自己的测试中是这样。

const comment = /<!--.*?-->/gi;

例子

为了更好地了解我想要实现的目标，让我们举个例子。说，我有以下一段文字：

foo0 
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->

foo2bar!

(最后还有一个换行符，但我不知道如何在Whosebug markdown中添加一个空行。)

预期结果是：

foo0 
b<!-- comment -->ar.<!-- 10 -->
foo1 bar?<!-- 9 -->
<!-- comment -->

foo2bar!<!-- 12 -->

（这次，没有，最后还有换行符。）

更新：抱歉，我已经更正了示例中的预期结果。

Answer 1

将回调传递给 .replace，用空字符串替换所有注释，然后 returns 生成的修剪匹配的长度：

const input = `foo0 
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->

foo2bar!
`;
const output = input.replace(
  /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?]/g,
  (match) => {
    const matchWithoutComments = match.replace(/<!--.*?-->/g, '');
    return `${match}<!-- ${matchWithoutComments.length} -->`;
  }
);
console.log(output);

当然，如果您愿意，您也可以使用类似的模式将 markdown 符号替换为内部文本内容：

.replace(/([*_]{1,2}|~~)((.|\n)*?)/g, '')

（由于嵌套和可能不平衡的标签，正则表达式不太适合使用，您可能必须重复该行，直到找不到进一步的替换）

此外，根据评论，您当前的正则表达式要求每个句子都以 .、! 或 ? 结尾。 <!-- 中的评论 ! 被视为（短）句的结尾。一种选择是先行查找 whitespace（space 或换行符）或正则表达式末尾的输入末尾：

const input = `foo0 
b<!-- comment -->ar.
foo1 bar?
<!-- comment -->

foo2bar!
<!-- comment -->`;
const output = input.replace(
  /(?:^|\n| )(?:[^.!?]|[.!?][^ *_~\n])+[.!?](?=\s|$|[*_~])/g,
  (match) => {
    const matchWithoutComments = match.replace(/<!--.*?-->/g, '');
    return `${match}<!-- ${matchWithoutComments.length} -->`;
  }
);
console.log(output);

https://regex101.com/r/RaTIOi/1

如何使用 Javascript 正则表达式检测没有评论和降价的句子？

How to detect sentences without comments and markdown using Javascript regex?

javascript

regex

comments

markdown

问题

到目前为止我做了什么？

例子