在句点处拆分文本末尾创建空字符串

Question

给定以下文本

var text="unicorns! and rainbows? and, cupcakes.Hello this is splitting by sentences. However, I am not sure.";

我想在每个句号处拆分，在句子的末尾有一个句号，它将句子拆分成一个空字符串，如下所示。

(4) ["unicorns! and rainbows? and, cupcakes", "Hello this is splitting by sentences", " However, I am not sure", ""]

什么是在句点进行拆分的好方法。但是考虑到文本的结尾呢？

Answer 1

您可以使用.filter(Boolean)去掉任何空字符串，如下所示：

​

var text="unicorns! and rainbows? and, cupcakes.Hello this is splitting by sentences. However, I am not sure.";
var splitText = text.split(".");
var nonEmpty = splitText.filter(Boolean);
// var condensed = text.split(".").filter(Boolean);
console.log(nonEmpty);

​

这可能看起来像是一种奇怪的方式，但它很简单/高效，其概念是这样的：

var arr = ["foo", "bar", "", "baz", ""];
var nonEmpty = arr.filter(function (str) {
  return Boolean(str);
});

这使用强制的力量来确定字符串是否为空。事实上，将强制为false的字符串的唯一值是空字符串""。所有其他字符串值将强制为true。这就是为什么我们可以使用布尔构造函数来检查字符串是否为空。

此外，如果您想要修剪掉每个句子的前导/尾随空格，可以使用.trim()方法，如下所示：

​

var text="unicorns! and rainbows? and, cupcakes.Hello this is splitting by sentences. However, I am not sure.";
var nonEmpty = text.split(".").filter(Boolean).map(str => str.trim());
console.log(nonEmpty);

​

Answer 2

这就是String#split的工作方式(这在某种程度上是合乎逻辑的)。字符串中的.后面没有任何内容，因此它应该是一个空字符串。如果你想去掉数组中的空字符串，你可以使用Array#filter过滤掉它们(使用一个箭头函数来简化它)：

var result = text.split(".").filter(s => s);       // an empty string is falsy so it will be excluded

或者将String#match与简单的正则表达式一起使用，例如：

var result = text.match(/[^.]+/g);                 // matches any sequence of character that are not a '.'

示例：

​

var text="unicorns! and rainbows? and, cupcakes.Hello this is splitting by sentences. However, I am not sure.";

var resultFilter = text.split(".").filter(x => x);
var resultMatch = text.match(/[^.]+/g);

console.log("With filter:", resultFilter);
console.log("With match:", resultMatch);

​

Answer 3

将filter(Boolean)添加到split当然是一种变通方法，但是可以通过向split提供正则表达式来直接(并且灵活地)处理该问题。

例如，您可以拆分完全忽略句点的正则表达式或保留所有句点(或其他标点符号)的正则表达式：

​

const text = "unicorns! and rainbows? and, cupcakes.Hello this is splitting by sentences. However, I am not sure.";

// discard periods
console.log(text.match(/[^.]+/g));

// discard periods and leading whitespace
console.log([...text.matchAll(/(.+?)(?:\.\s*)/g)].map(e => e[1]));

// keep periods
console.log(text.match(/(.+?)\./g));

// keep periods periods but trim whitespace
console.log([...text.matchAll(/(.+?\.)\s*/g)].map(e => e[1]));

// discard various sentence-related punctuation
console.log(text.match(/[^.?!]+/g));

​