Question

我试图匹配所有包含引号的句子，与引号的长度或引号内的句子数无关。

正如Alfe指出的那样，获得一个完美的正则表达式可能不可行，但如果可能的话，我想改进我正在使用的那个。

现在我这样做是为了找到引用：

def split_by_quotes(text):
    pattern = r'([A-Z].*?\".*?\".*?\.)'
    quotes = re.findall(pattern, text)
    return(quotes)

但我想确保引用出现在一个句子中然后捕获整个句子。

我用句子来表示一段文字：

通常以空格开头
以大写字母或引号
以a结尾。要么！要么？或（有时直接跟着“或”）
通常后跟空格

这不会像Alfe指出的那样捕获所有句子，但如果我能在这些条件下匹配就足够了。

例如：

“这是一个引用，它应该匹配”

这是多次回车后在新行上没有引号的文本，不应匹配。

更复杂的例子：

查尔斯巴贝奇说：“有两次，我被[议会议员]问过，'祈祷，巴贝奇先生，如果你把错误的数字投入机器，那么正确的答案会出来吗？'我无法正确地理解可能引发这样一个问题的那种想法混淆。“

整个句子都匹配。

但是，

他们打电话给Garfield Minus Garfield和Lolcats，但是当约翰逊看到他认为是一个特别搞笑的片段，有人摔倒然后被一个带键盘的猫“戏剧”时，他的朋友认为这是蹩脚的。 “我说，这会很大。”他说，“我的朋友就像，'不，这只是一只猫。'”

将匹配如下：

他们打电话给Garfield Minus Garfield和Lolcats，但是当约翰逊看到他认为是一个特别搞笑的片段，有人摔倒然后被一个带键盘的猫“戏剧”时，他的朋友认为这是蹩脚的。

和

“我说，这会很大。”他说，“我的朋友就像，'不，这只是一只猫。'”

Answer 1

我认为使用正则表达式无法完成您想要做的事情。

自然语言是一件复杂的事情，即使是书面文字并不像看起来那么容易。有几件事我想指出，以明确哪些特殊情况可以为我的结论奠定基础：

他降落了 - 砰的一声！ - 在地上。

“暂停”！他喊道。

500万人死亡。

我不知道这些例子如何与自然语言句子的纯正则表达式相匹配。

编辑：

计算机几乎不可能区分这两种情况：

之后他说，“再也不会！”然后他离开了房间。

他打在桌子上，“再也不会！”彼得说，离开了房间。

在字符级别上，两者看起来完全相同（引号后的大写等），但第一个应该被解析为两个句子，第二个被解析为一个。要理解两种情况都不同，这取决于人类的理解情报。技术字符不显示此内容。

Answer 2

这对你有帮助吗？

请注意，我编辑了第一个愚蠢的答案，因为其中的regx与所有句子匹配，而不是带引号的句子。
我也考虑到了Alve的评论：正则表达式所捕获的句子不是仅以一个大写开头，而是仅仅是一个点后的第一个字符，除了空白或\r或n或可能的额外点

import re
regx = re.compile('(?!\Z)'
                  '[. \n\r]*'
                  '('
                    '(?:[^."]*"[^"]*")+'
                    '[^."]*'
                    '(?:\.|\Z)'
                  ')')

s = ('''\nThe "some.rutu"  and "oula oulah, poto."  are '''
     '''all good. A "bi'didi."  is not.  I '''
     """don't know why... 5 "million" people """
     """died . \nAnd here's a sentence without """
     """a quote. "Halt!" he shouted. 'Sunny """
     """days and "nights"'  is a strange phrase""")
print s
print
for el in regx.findall(s):
    print '- %s' % el

结果

The "some.rutu"  and "oula oulah, poto."  are all good. A "bi'didi."  is not.  I don't know why... 5 "million" people died . 
And here's a sentence without a quote. "Halt!" he shouted. 'Sunny days and "nights"'  is a strange phrase

- The "some.rutu"  and "oula oulah, poto."  are all good.
- A "bi'didi."  is not.
- 5 "million" people died .
- "Halt!" he shouted.
- 'Sunny days and "nights"'  is a strange phrase

Answer 3

这种模式对我来说是红宝石。将它转换为r''

后，在python中应该没问题

/([a-zA-Z,\' ]+\"[^.]+\.)/

埃利奥特

正则表达式匹配所有句子与引号

3 个答案: