寻找用于捕获短语直到点的正则表达式模式答案

【问题标题】：Looking for a regex pattern for capturing phrases until dot寻找用于捕获短语直到点的正则表达式模式
【发布时间】：2019-04-12 20:09:37
【问题描述】：

我有一个像这样的长文本：

text = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

我想得到这个输出：

phrases = ['Quisiera yo detectar los puntos... pero solo los puntos aislados.',
' Los puntos suspensivos no los quiero detectar.',
' A eso me refiero.']

问题是第一个短语中的三个点。我找不到将它们与常见的单点分隔符区分开来的正则表达式。有没有办法用正则表达式来实现它？

【问题讨论】：

标签： python regex lookahead

【解决方案1】：

您想以不同方式处理 ..（或 ... 等）并将其与否定前瞻组合：

(?:[^.]|\.{2,})+\.

解释：

(?:[^.]|\.{2,})+ 将匹配由非. 字符或 2 个或多个.s
\. 当然需要句号

这是demo。

【讨论】：

这种方法与re.findall 配合得很好。例如：re.findall(r'(?:[^.]|\.{2,})+\.', text)
这是我的首选解决方案，因为它不对句号之后的字符做出假设。因此，如果缺少空格或存在某种类型的标点符号，则正则表达式仍然有效。

【解决方案2】：

您可以使用正向后视来仅分割前面不超过一个点的空白。这种方法会忽略任何 2 个或更多点的序列。

例如：

import re

s = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

sentences = re.split(r'(?<=[^.]\.)\s', s)
print(sentences)
# ['Quisiera yo detectar los puntos... pero solo los puntos aislados.', 'Los puntos suspensivos no los quiero detectar.', 'A eso me refiero.']

【讨论】：

【解决方案3】：

试试这个...

import re

text = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

pattern = r"(?<=\.)\s(?=[A-Z])"
re.split(pattern, text)

结果应该是……

['Quisiera yo detectar los puntos... pero solo los puntos aislados.',
 'Los puntos suspensivos no los quiero detectar.',
 'A eso me refiero.']

我的回答基于this SO answer。

更新：
使用regex 标签查看一些答案，我遇到了这个metadiscussion 和这个answer。我的答案不是来自对正则表达式的先天知识，而是来自于花费大约 17 分钟谷歌搜索不同的搜索词并在 Stack Overflow 上闲逛。在中间的 17 分钟左右，我花了我的时间来制作我的答案，另外两个答案出现了。
我意识到我的答案更像是“给我看代码”而不是“教人钓鱼”之类的答案。归根结底，我想说的是，当我急需帮助时，我希望有人向我展示代码。但是能够通过谷歌搜索问题的解决方案是一项重要的技能，但也是一种可怕的药物。希望我的解决方案有所帮助，但我也强烈建议您查看更新中的链接。如果有任何关于regex 标记状态的观点以及关于使堆栈溢出更有意义的观点。

【讨论】：