查询LaTeX英文论文中标点后无空格的句子

背景

LaTeX英文论文中，标点符号后需要存在空格，即开启下一句需要先输入一个空格。

在编写论文时有时会忘记敲空格，我们需要找出这些不符合规范的句子。

举个例子就明白了：

句子A

It is a dog,it is a cat.It is a bird.

这么写是不规范的，正确的应该是

句子B

It is a dog, it is a cat. It is a bird.

应该能看出差异，我们的目标是找出句子A这样的句子。

解决办法

手动查找是很累的的，这里采用正则表达式寻找：

(?<!\{.*|\&.*|\[.*)\w[,.:\)]\w

解读正则表达式

从后向前说：

• \w：下一句的英文字符（一般来说英文句子都是以英文开头，这里没有考虑数字开头）
• [,.:\)]：代表标点符号，这里可以根据具体需求自由书写。
• (?<!\{.*|\&.*|\[.*)：
  • 这是一个整体符号，大框架是(?<!pattern)，是一种断言结构，含义是排除左侧字符是pattern的字符串。
  • (?<!\{.*|\&.*|\[.*)的含义是排除左侧是{或者左侧是[或者左侧是&的字符，用于排除图表等结构中的字符，可以根据具体需求，向(?<!pattern)结构中添加字符，以|间隔。

这样，我们就可以筛选类似句子A这种不规范的书写方式。

当然，这个正则表达式还有考虑不周之处，但基本可以解决我们的需求。

附录

类似(?<!pattern)的正则表达式还有(?<=pattern)、(?=pattern)、(?!pattern)、(?:pattern)，其含义如下表所示（来自百度百科：正则表达式）

元字符	描述
(?:pattern)	非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(\	)”来组合一个模式的各个部分时很有用。例如“industr(?:y\	ies)”就是一个比“industry\	industries”更简略的表达式。
(?=pattern)	非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95\	98\	NT\	2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95\	98\	NT\	2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95\	98\	NT\	2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。*python的正则表达式没有完全按照正则表达式规范实现，所以一些高级特性建议使用其他语言如java、scala等
(?<!pattern)	非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95\	98\	NT\	2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。*python的正则表达式没有完全按照正则表达式规范实现，所以一些高级特性建议使用其他语言如java、scala等