请教一个正则表达式的问题，用来判断例句结尾。
比如以下面add词条为例，希望通过正则表达式提取出例句mp3文件名和英文例句。add
<link type="text/css" rel="stylesheet" href="LDAE5.css"/>
<div id="LDAE5_add_1"><span class="entry" id="add"><span class="entryhead"><span class="hwd">add</span><span class="hyphenation frequent">add</span> <proncodes><span class="neutral"> /</span><span class="pron">æd</span><span class="neutral">/</span></proncodes><span class="level"> ●●●</span><span class="pos"> verb</span><span class="gram"> </span> <a class="jp-play" href="sound://hwd/ame/a/ad1.mp3"><img src="img/spkr_b.png"></a><span class="buttons"><a class="popup-button" href="entry://@etymologies_u2fc098491a42200a.-5b7eb3a7.13b877f5061.-6775">Word Origin</a> <a class="popup-button" href="entry://@verbs_u2fc098491a42200a.-5b7eb3a7.13b877f5061.-6775">Verb Table</a> <a class="popup-button" href="entry://@collocations_add">Collocations</a> <a class="popup-button" href="entry://@thesaurus_add">Thesaurus</a> </span></span><span class="sense"><span class="sensenum">1</span><span class="def">to put something with something else, or with a group of other things</span><span class="neutral">: </span><span class="example"><a class="jp-play" href="sound://exa/ame/e/p032-000480813.mp3"><img src="img/spkr_g.png"></a> Continue mixing, then add flour.</span><span class="example"><a class="jp-play" href="sound://exa/ame/9/p032-000063988.mp3"><img src="img/spkr_g.png"></a> Do you want to <span class="colloinexa">add</span> your name <span class="colloinexa">to</span> the mailing list?</span></span><span class="sense"><span class="sensenum">2</span><span cat="math" class="topic"><span class="topic">math</span></span><span class="def"> to put numbers or amounts together and then calculate the total</span><span class="neutral">: </span><span class="example"><a class="jp-play" href="sound://exa/ame/a/p032-000064001.mp3"><img src="img/spkr_g.png"></a> If you add 5 and 3, you get 8.</span><span class="example"><a class="jp-play" href="sound://exa/ame/5/p032-000480814.mp3"><img src="img/spkr_g.png"></a> The interest will be added to your savings every six months.</span></span><span class="sense"><span class="sensenum">3</span><span class="def">to say something extra about what you have just said</span><span class="neutral">: </span><span class="example"><a class="jp-play" href="sound://exa/ame/1/p032-000064004.mp3"><img src="img/spkr_g.png"></a> The judge <span class="colloinexa">added that</span> this case was one of the worst she had ever tried.</span><span class="thesbox display" type="auto" id="add_s1"><span class="heading">THESAURUS</span><span class="section last"><span class="exponent inline" chosen="u2fc098491a42200a.-5b7eb3a7.13b877f5061.-675b"><span class="exp display">say</span></span><span class="exponent inline" chosen="u2fc098491a42200a.-5b7eb3a7.13b877f5061.-6759"><span class="neutral">, </span><span class="exp display">mention</span></span><span class="exponent inline" chosen="u2fc098491a42200a.-5b7eb3a7.13b877f5061.-6757"><span class="neutral">, </span><span class="exp display">state</span></span><span class="thesref"><span class="thesaurus">►</span> see <span class="thesaurus">thesaurus</span> at <a goto="say_1+say_1_s1"><span class="refhwd">say</span><span
通过观察可以看到（如下），文件名总是以.mp3结尾，很容易用正则判断出来。但是，例句就很麻烦了，尤其难以判断什么时候例句结束。可能是各种标点，也可能没有标点，而且中间存在的各种<span>也引起很多混乱。
<span class="example"><a class="jp-play" href="sound://exa/ame/e/p032-000480813.mp3"><img src="img/spkr_g.png"></a> Continue mixing, then add flour.</span><span class="example"><a class="jp-play" href="sound://exa/ame/9/p032-000063988.mp3"><img src="img/spkr_g.png"></a> Do you want to <span class="colloinexa">add</span> your name <span class="colloinexa">to</span> the mailing list?</span></span>
目前想到的笨办法就是先尽量把例句中嵌套的<span>删除，然后讲</a>和</span>之间认为是完整例句。但这种方法很容易遗漏和出错。
恳请指点，如何准确、简单地提出例句文本？非常感谢！ 本帖最后由 LYX1692 于 2016-5-1 00:13 编辑
将每个例句以新行开头，<a>里的MP3，将它变成可显示的文字。如这样：
<span class="example" style="display:block">㊣【sound://exa/ame/e/p032-000480813.mp3】 Continue mixing, then add flour.</span><span class="example" style="display:block">㊣【sound://exa/ame/9/p032-000063988.mp3】 Do you want to <span class="colloinexa">add</span> your name <span class="colloinexa">to</span> the mailing list?</span></span>
然后，不需要再用源码处理了，保存为htm网页格式。
如果文件小，直接就用浏览器打开，复制粘贴。
如果文件有上百MB，浏览器可能打开困难，就算打开了，复制粘贴也可能出现内存不够等各种问题，取决于你的机器。
这里推荐TextForever这么个工具，它可以将大体积的网页转换为纯文本，转换出来的文本就是这样的：
㊣【sound://exa/ame/e/p032-000480813.mp3】Continue mixing, then add flour.
㊣【sound://exa/ame/9/p032-000063988.mp3】Do you want to add your name to the mailing list?
这是比较方便的方法。
（例句前面我用个“㊣”字，因为这样便于后面操作，^[^㊣]+$，这样就可以将所有不含㊣字符的行数一并清除，剩下有㊣字符的，就是你想要的。）
（PS. ^[^㊣]+$，这只是清除不含㊣字符的行内容，而不清除行。如要清楚行，可用 ^[^㊣]+\n。只是个人不喜欢直接删除行，因为我的机器一般，处理大文件时，直接删除不要的行较慢，反倒先清除行内容，再删除重复行比较快。）
正则也可以。
如果让我用正则，我就这么做。
1 将<span 替换为 <死笨；将</span>替换为</死笨>（提前确保文本中本身没有“死”“笨”两个字，看你的文本，应该是纯英文的。或者替换为其他字符也行。如：★☆※◆◇●○，我一般喜欢用一些少见的汉字，如“䗠臕䀀潴䌁䕴䯔囲媝”，就算是中文，出现的概率很小。当然，为防万一，我也会先检查下）
2 将 class="example" 替换为 class="㊣"（提前确保文本中本身没有“㊣”字符。）
3 然后正则查找： <死笨[^㊣|>]+>([^死]+)</死笨>
替换为：\1
（这正则的意思就是，将class非"example"的<span>，去掉标签首尾，只保留标签内容。多查找替换几次，直到没有符合条件的文件即可。）
4最后省下的就是class="example"即class="㊣"的<span>了。
5 当然，可能还有其他情况，如里面套的是<b>或者<i>标签等，这就看具体情况了。
（你这文本格式并不复杂，也可省略第1步，从第2步做起，然后第3步查找：<span[^㊣|>]+>([^<]+)</span>，替换为：\1）
（具体操作视你的具体情况而定，主要用到的知识就是如何用正则来表示“非”。[^㊣]，就是非㊣的字符。[^㊣|★]，就是就是非㊣也非★的字符。）
因为你只是要纯文本，我还是推荐一开始的方法，方便很多。 LYX1692 发表于 2016-4-30 23:06
将每个例句以新行开头，里的MP3，将它变成可显示的文字。如这样：
㊣【sound://exa/ame/e/p032-000480813. ...
太好了，大赞！
LYX1692 总是能给出最优方案！
把你的帖子汇总，可以出一本优秀的新手教程了！ LYX1692 发表于 2016-4-30 23:06
将每个例句以新行开头，里的MP3，将它变成可显示的文字。如这样：
㊣【sound://exa/ame/e/p032-000480813. ...
两个方法都很巧妙！
节日快乐！ LYX1692 发表于 2016-4-30 23:06
将每个例句以新行开头，里的MP3，将它变成可显示的文字。如这样：
㊣【sound://exa/ame/e/p032-000480813. ...
在用TextForever遇到个问题：
同样的htm文件，在chrome浏览器中显示很好，就是
㊣【sound://exa/ame/9/p032-000063988.mp3】Do you want to add your name to the mailing list?
这样的格式，例句文本在结尾自动断行，很清晰。
但是，经过TextForever转换的文本，则没有自动断行，例如是下面这样的格式：
㊣【sound://exa/ame/9/p032-000063988.mp3】Do you want to add your name to the mailing list?2math to put numbers or amounts together and then calculate the total:
似乎style="display:block"只在浏览器格式中有换行，在转换TextForever文本时被忽略了，没有换行。
用的TextForever中Html-Txt功能，采用了不同的设置，还是没能解决。再帮我看看好吗,多谢 werwer 发表于 2016-5-1 22:13
在用TextForever遇到个问题：
同样的htm文件，在chrome浏览器中显示很好，就是
试试在<span class="example"前面加<br />
再在<span class="sense">前面也加上<br /> LYX1692 发表于 2016-5-2 07:17
试试在
好的，谢谢，正在按照这个思路做。
不过Aboboo突然出了问题，txt批量导入句子，总是说指定文件不存在，之前可以导入的txt也不行了。
唉，心好累 不会用正则表达式 但可以分步提取
页:
[1]