使用Python中的Regex进行句子分割

Question

我正在编写一个脚本，用Python将文本拆分成句子。但是，编写更复杂的正则表达式我非常糟糕。

根据该规则，我希望将句子分开。我想分开句子：

* 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？

Answer 1

您可以将五个要点转换为正则表达式：

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

请注意，我只是创建一个由五个替代项组成的替代项，每个替代项代表您的一个要点：

• !
• \?
• \.{3}
• \.\D
• \.\s

由于点（.）和问号（?）是正则表达式模式中的特殊字符，因此需要使用反斜杠（\）对其进行转义被视为文字。管道（|）是两个备选方案之间的分隔符。

使用上述正则表达式，您可以使用re.split将文本拆分为句子。