提前判刑

Question

Python问题！

我想在文本文件中分割句子方面提供一些帮助。我不想创建一个大规模的if循环，但我需要找到一种方法如何将文本文件拆分成句子。我必须在没有.readlines（）

的情况下这样做

我想用句号，引语和惊叹号分开句子......但是：

1. 句号后跟空格后跟小写字母不会拆分句子
2. 句号后跟一个没有插入空格的数字不会拆分句子
3. 诸如先生，夫人，博士等的事情不会分裂当然的句子
4. 字母序列，例如www.website.com等。）
5. 在最后一个句点后跟逗号等标点符号和更多句点（省略号）

我想将文本文件中的这些拆分句子打印出来给用户。我该如何处理这个过程？我理解基本的字符串格式和索引，但添加省略号，姓氏等对我来说会更难...

**还将使用tkinter创建一个打开文件按钮和一个下拉菜单，允许用户从.txt文件中每行一个句子的程序输出创建一个新的文本文件。

谢谢！

以下是我的内容

import re

punctuation = ['.', '?', '!']
exceptions = ['Mr.', 'Mrs.', 'Ms.', 'Sr.', 'e.g', '...']
lines = []

with open('myData.txt') as myFile:
    lines = re.split(punctuation, myFile)

Answer 1

这是我的代码

import re

punctuation = re.compile(r"([^\d+])(\.|!|\?|;|\n|。|！|？|；|…|　|!|؟|؛)+")
lines = []

with open('myData.txt','r',encoding="utf-8") as myFile:
    lines = punctuation.sub(r"\1\2<pad>", myFile.read())
    lines = [line.strip() for line in lines.split("<pad>") if line.strip()]