python - 如何在python中执行带有异常的条件拆分

Question

我想把一个字符串拆分成句子。

但有一些我没想到的例外：

str = "Text... Text. Text! Text? UPPERCASE.UPPERCASE. Name. Text."

想要的分割：

split = ['Text...', 'Text.', 'Text!', 'Text?', 'UPPERCASE.UPPERCASE. Name.', 'Text.']

如何使用正则表达式 python

到目前为止我的努力，

str = "Text... Text. Text! Text? UPPERCASE.UPPERCASE. Name. Text."
split = re.split('(?<=[.|?|!|...])\s', str)
print(split)

我明白了：

['Text...', 'Text.', 'Text!', 'Text?', 'UPPERCASE.UPPERCASE.', 'Name.', 'Text.']

预期：

['UPPERCASE.UPPERCASE. Name.']

[A-Z]+\. Name 中的\s 不拆分

Answer 1

你可以使用

(?<=[.?!])(?<![A-Z]\.(?=\s+Name))\s+

请参阅regex demo。详情：

• (?<=[.?!]) - 正向向后看，需要 .、? 或 ! 紧邻当前位置的左侧
• (?<![A-Z]\.(?=\s+Name)) - 如果有一个大写字母和一个 . 后跟 1+ 个空格 + Name 紧跟在当前位置的左侧，则匹配失败（注意 + 在 lookahead，这就是它与 Python re 一起使用的原因，并且在前瞻中 \s+ 是检查空格后是否存在 Name 所必需的，该空格将与下一个 \s+ 匹配和使用下面的图案）
• \s+ - 一个或多个空格字符。

见Python demo：

import re
text = "Text... Text. Text! Text? UPPERCASE.UPPERCASE. Name. Text."
print(re.split(r'(?<=[.?!])(?<![A-Z]\.(?=\s+Name))\s+', text))
# => ['Text...', 'Text.', 'Text!', 'Text?', 'UPPERCASE.UPPERCASE. Name.', 'Text.']