文単位の改行|記号と空白で文を分割する正規表現ルール

小説の原稿やマーケティング資料、あるいは英文翻訳のための長いテキスト段落を扱うとき、改行のない長くつながった文章は読みにくいだけでなく、翻訳エンジンや文単位の解析エンジンに大量に投入したときにデータ処理のボトルネックを引き起こします。
そんなとき、長い文章をピリオドやクエスチョンマークなどの文終止記号で分割し、1文ごとに改行すると、読みやすさは大きく向上します。この記事では、文の境界を判定するルールと、ピリオドの誤認識を防ぐ例外処理の方法をまとめます。
文の境界はどう判定するか
文を区切る基準は、ピリオド(.)、クエスチョンマーク(?)、感嘆符(!)、省略記号(…)の直後に空白が続く箇所です。これらの記号の直後に空白がなければ(例:数字の直後に次の数字が続く小数点)、文の終わりとはみなさず、そのままつなげます。そのため 3.14 や 12.5 のような小数は空白がないため、自然に分割の対象から外れます。
引用符("、')そのものは文の終止記号として扱いません。文が引用符で終わっていても、その前にピリオド・クエスチョンマーク・感嘆符がある場合にのみ境界として認識されます。
ピリオドの誤認識を防ぐ例外ルール
英語の略語のあとのピリオドを文末と誤って区切ってしまう問題を防ぐため、次のようによく使われる略語をあらかじめ登録しておき、これらの略語のあとのピリオドはスキップします。
| 区分 | 例 |
|---|---|
| 敬称 | Mr., Mrs., Ms., Dr., Prof., Sr., Jr. |
| 慣用表現 | vs., e.g., i.e., etc. |
| 企業・単位 | Co., Inc., Ltd., Vol., Ed. |
| 時刻・数値 | a.m., p.m., approx., est., min., max. |
このリストにない略語は、ツール画面の「ユーザー指定の例外略語」入力欄にカンマ区切りで直接追加できます。ピリオドで終わる単語だけを認識するため、Vol. や Co. のようにピリオドを含めて入力する必要があります。
また、J. K. Rowling のように大文字のイニシャルのあとにピリオドと空白が続き、さらに大文字が続くパターンも、文の境界ではなくイニシャルとみなして分割しません。
Dynamic Labsの無料ツールで確認してみましょう。 こうしたルールを手作業で当てはめ、ピリオドごとに自分で改行を入れる作業は、段落が長くなるほど手間がかかります。「文単位の改行・分割ツール」に原文を貼り付ければ、このルールが自動で適用された結果をすぐに確認できます。
長い文章の小説や技術解説を貼り付けて、文ごとにきれいに改行されたテキストをその場で変換してみてください。

出力形式と統計
分割された文は、次の3つの形式のいずれかで出力できます。
| 出力形式 | 結果 |
|---|---|
| 改行 | 1文ごとに新しい行 |
| 番号付きリスト | 1. 文 の形式で番号を付与 |
| 箇条書き | • 文 の形式で表記 |
「不要な空白を削除」オプションをオンにすると、文の途中に残った連続する空白を1つ分に整えます。文が1つ以上に分割されると、総文数と平均・最長・最短の文の長さ(文字数)もあわせて表示されるので、翻訳や校正の作業前に文書の分量を見積もる目安になります。
まとめ
- 文の境界は、ピリオド・クエスチョンマーク・感嘆符・省略記号のあとの空白で判定します。
- 小数点のように空白のないピリオドでは分割されません。
- 英語の略語は基本リストになくても、例外略語の入力欄に追加できます。
- 大文字のイニシャル(例:J. K.)も文の境界と誤認しません。
長い文章の小説や技術解説を貼り付けて、文ごとにきれいに改行されたテキストをその場で変換してみてください。
よくある質問
Mr.やDr.のような略語のピリオドでも文が切れますか?
基本的に、英語の略語(Mr., Dr., e.g., i.e. など)や数値の小数点(3.14)などは文の終止として認識しないフィルターが組み込まれているため、誤って区切られる問題を防ぎます。
独自の略語を追加できますか?
はい。入力フィールド下部の「ユーザー指定の例外略語」欄に、ピリオドを含む単語をカンマ区切りで入力すると、その単語のピリオドは文の分割から除外されます。
この記事は韓国語の原文をもとに作成しています。 韓国語の原文を読む