Python：解析英语句子的方法：正则表达式？答案

【问题标题】：Python: Approaches to parse English sentences: Regex?Python：解析英语句子的方法：正则表达式？
【发布时间】：2015-07-21 23:52:18
【问题描述】：

我必须处理一堆句子（假设是格式良好的英语），例如：

“矮胖子坐在墙上，即矮胖子坐在墙上！然后，他摔倒了。他为什么摔倒？”

我对两件事感兴趣：

单词（因此忽略逗号、分号等）
特定句子的终止位置（我认为是 !、? 和 .，但“即”还有更复杂的情况，其中包含点）

鉴于该语句包含诸如“即”之类的词，使用通用正则表达式跳过“\W+”并不能立即使用。

正则表达式是完成上述两件事的好方法吗？如果是的话，有人可以给我指点开始创建这样的正则表达式吗？或者我应该创建自己的规则来查找句子的结尾吗？

规则示例如下：

如果句子以. 或? 或! 结尾AND 后面有一个空格AND 下一个单词以大写字母开头，那么上一句就结束了。

如果句子中有“John 博士回家了”，则此规则无效。（. 和 Dr. 中 r 后面的空格后跟大写的“J”错误地表示新句子的开始）

【问题讨论】：

如果是“即”和'博士。约翰”，您可以在设置带有结尾的句子之前制作一组“不结尾”来检查它们。您必须亲自挑选它们。

标签： python regex parsing

【解决方案1】：

您的示例文本结构不正确，因为第一句话在语法上不正确。

你必须使用正则表达式吗？还是您只是在寻找一个好的库来解析文本以查找整个句子？

我会推荐使用 TextBlob 来解析文本。这是一个例子：

from textblob import TextBlob
blob = TextBlob("Humpty dumpty sat on a wall i.e. humpty was sitting on a wall! Then, he fell down. Dr. John (BA in Medical Engineering) helped reconstruct humpty?")
blob.sentences

# [Sentence("Humpty dumpty sat on a wall i.e."),
#  Sentence("humpty was sitting on a wall!"),
#  Sentence("Then, he fell down."),
#  Sentence("Dr. John (BA in Medical Engineering) helped reconstruct humpty?")]

【讨论】：

实际上我只是尝试了 TextBlob，即没有得到正确处理......它假设句子以 i.e. 结尾，这是不正确的
没关系，我收回它，textblob 工作得很好，即后面应该跟一个逗号才能使用正确的英文！