在 Python 中使用正则表达式进行句子分割

【问题标题】：Sentence segmentation with Regex in Python在 Python 中使用正则表达式进行句子分割
【发布时间】：2013-11-20 11:15:29
【问题描述】：

我正在编写一个脚本，用 Python 将文本拆分成句子。但是我不擅长编写更复杂的正则表达式。

我希望根据 5 条规则来拆分句子。我想拆分句子，如果他们：

* end with "!"  or
* end with "?"  or
* end with "..."  or
* end with "." and the full stop is not followed by a number  or
* end with "." and the full stop is followed by a whitespace

Python 的正则表达式是什么？

【问题讨论】：

是否需要保留结尾字符？
显示您以前的尝试将是对问题的一个很好的补充：)
到目前为止我有一个非常基本的代码： import re splitter = r"\.(?!\d)" re.split(splitter, s) 但它将“USA”分成三个句子和“嘿...”是四个句子我不需要保留结尾字符。
正在为您使用库和选项？如果您这样做是为了进行一些自然语言处理，我真的建议您采用另一种方法。
任务是自己写一个简单的算法，所以库不是选项

标签： python regex nlp text-segmentation

【解决方案1】：

您可以将您的五个要点直接翻译成正则表达式：

!|\?|\.{3}|\.\D|\.\s

请注意，我只是创建了一个由五个备选方案组成的替代方案，每个备选方案代表您的一个要点：

!
\?
\.{3}
\.\D
\.\s

由于点 (.) 和问号 (?) 是正则表达式模式中的特殊字符，它们需要用反斜杠 (\) 转义才能被视为文字。竖线 (|) 是两个选项之间的分隔符。

使用上述正则表达式，您可以使用re.split 将文本拆分成句子。

【讨论】：