将不带空格的标题字符串分隔为单词

Question

我想在没有空格的标题中查找并分隔单词。

之前:

这是一个示例标题黑色-世界2019T.E.S.T.（测试）“测试”“测试”[测试]

之后：

这是一个例题标题HELLO-WORLD 2019 T.E.S.T .(测试)[测试]“测试”'测试'

我正在寻找一个可以执行以下操作的正则表达式规则。

我想我会识别每个以大写字母开头的单词。

但也要保留所有大写单词，以免将它们分隔为A L L U P P E R C A S E。

附加规则：

• 如果字母与数字接触，请用空格隔开：Hello2019World
• 忽略包含句点、连字符或下划线的间距缩写T.E.S.T.
• 忽略括号、圆括号或引号之间的间距[Test]（Test）“Test”'Test'
• 保留连字符Hello World

C#

https://rextester.com/GAZJS38767

// Title without spaces
string title = "ThisIsAnExampleTitleHELLO-WORLD2019T.E.S.T.(Test)[Test]\"Test\"'Test'";

// Detect where to space words
string[] split =  Regex.Split(title, "(?<!^)(?=(?<![.\\-'\"([{])[A-Z][\\d+]?)");

// Trim each word of extra spaces before joining
split = (from e in split
         select e.Trim()).ToArray();

// Join into new title
string newtitle = string.Join(" ", split);

// Display
Console.WriteLine(newtitle);

正则表达式

我在数字、括号、圆括号和引号前的空格方面有困难。

https://regex101.com/r/9IIYGX/1

(?<!^)(?=(?<![.\-'"([{])(?<![A-Z])[A-Z][\d+?]?)

(?<!^)          // Negative look behind

(?=             // Positive look ahead

(?<![.\-'"([{]) // Ignore if starts with punctuation
(?<![A-Z])      // Ignore if starts with double Uppercase letter
[A-Z]           // Space after each Uppercase letter
[\d+]?          // Space after number

)

感谢您的共同努力。这是一个正则表达式的例子。我将它应用于文件名，并排除特殊字符\/:*?"

https://rextester.com/FYEVE73725

https://regex101.com/r/xi8L4z/1




Answer 1

为了简单起见，而不是大型正则表达式，我建议使用小型简单模式编写此代码（带解释的注释在代码中）：

string str = "ThisIsAnExampleTitleHELLO-WORLD2019T.E.S.T.(Test)\"Test\"'Test'[Test]";
// insert space when there is small letter followed by upercase letter
str = Regex.Replace(str, "(?<=[a-z])(?=[A-Z])", " ");
// insert space whenever there's digit followed by a ltter
str = Regex.Replace(str, @"(?<=\d)(?=[A-Za-z])", " ");
// insert space when there's letter followed by digit
str = Regex.Replace(str, @"(?<=[A-Za-z])(?=\d)", " ");
// insert space when there's one of characters ("'[ followed by letter or digit
str = Regex.Replace(str, @"(?=[(\[""'][a-zA-Z0-9])", " ");
// insert space when what preceeds is on of characters ])"'
str = Regex.Replace(str, @"(?<=[)\]""'])", " ");

Answer 2

前几个部分类似于@revo答案：（？

请注意，|是或运算符，它允许执行所有正则表达式。

正则表达式： （？

演示

简单介绍一下：

来自：（？

改为：（？

<代码>（（？

最终正则表达式：（？

演示

Answer 3

下面是一个正则表达式，它看起来很好用，至少对您的示例输入来说是这样的：

(?<=[a-z])(?=[A-Z])|(?<=[0-9])(?=[A-Za-z])|(?<=[A-Za-z])(?=[0-9])|(?<=\W)(?=\W)

这个模式说在以下条件之一的边界上进行分割：

• 前面是小写，前面是大写（反之亦然）
• 前面是数字，后面是字母（反之亦然）
• 前面和后面是非单词字符（例如引号、括号等）

< br >

string title = "ThisIsAnExampleTitleHELLO-WORLD2019T.E.S.T.(Test)[Test]\"Test\"'Test'";
string[] split =  Regex.Split(title, "(?<=[a-z])(?=[A-Z])|(?<=[0-9])(?=[A-Za-z])|(?<=[A-Za-z])(?=[0-9])|(?<=\\W)(?=\\W)"); 
split = (from e in split select e.Trim()).ToArray();
string newtitle = string.Join(" ", split);

This Is An Example Title HELLO-WORLD 2019 T.E.S.T. (Test) [Test] "Test" 'Test'

注意:您可能还想将此断言添加到regex选项中:

(?<=\W)(?=\w)|(?<=\w)(?=\W)

我们在这里侥幸逃脱了，因为这种边界条件从未发生过。但是，您可能需要将它与其他输入一起使用。