Python - 从段落中提取句子

Question

我是 python 新手，需要一些帮助：

这只是一个示例：

我有一本字典（在列表中重复相同的键值：

list_dummy = [{'a': 1, 'b':"The house is great. I loved it.",'e':"loved,the"}, {'a': 3, 'b': "Building is white in colour. I liked it.",'e':"colour"}, {'a': 5, 'b': "She is looking pretty. She is in my college",'e':"pretty"}]

'b' - 由正文组成 'e' - 由单词组成（可以多个）

我想从“b”中提取句子，其中包含“e”中的一个或多个单词。

我需要先通过 sent_tokenize & 将文本分成句子而不是提取。 Sent_tokenize 仅将字符串作为输入。如何进行？

Answer 1

好吧，我似乎无法让 nltk 模块进行测试，但只要 sent_tokenize() 返回一个句子字符串列表，我认为应该做你希望的事情（如果我理解正确的话）：

ans = []
for d in list_dummy:
    tmp = sent_tokenize(d['b'])
    s = [x for x in tmp if any(w.upper() in x.upper() for w in d['e'].split(","))]
    ans += s

这假定 e 将始终是一个逗号分隔的列表，并且您对不区分大小写的搜索感兴趣。 ans 变量将只是一个包含字典中“e”值中的单词的句子的平面列表。

编辑

如果你喜欢使用正则表达式，你可以使用 re 模块：

import re
ans = []
for d in list_dummy:
    b = sent_tokenize(d['b'])
    e = d['e'].split(",")
    rstring = ".*" + "|".join(e) + ".*"
    r = re.compile(rstring)
    ans.append([x for x in b if r.match(x)])