Question

我必须处理一堆句子（假设格式良好的英语），例如：

＆＃34; Humpty dumpty坐在墙上，即humpty坐在墙上！然后，他跌倒了。他为什么摔倒？＆＃34;

我对两件事感兴趣：

单词（所以逗号，分号等被忽略）
特定句子终止的地方（我在!，?和.上思考，但是还有更复杂的问题，即＆＃34;即＆＃34;其中有点在其中）

鉴于该陈述具有诸如＆＃34;即。＆＃34;之类的词，使用通用正则表达式跳过＆＃34; \ W +＆＃34;没有开箱即用。

正则表达式是完成上述两件事的好方法吗？如果是，有人可以指点我开始创建这样的正则表达式吗？ OR 我应该创建自己的规则来查找句子的结尾吗？

规则的例子是：

如果句子以.或?或! AND 结尾，则 AND 之后会有一个空格以大写字母开头，然后上一句结束。

如果句子有＆＃34;博士，则该规则失败。约翰回家了。＆＃34; （.和博士之后的空格跟随＆＃34; J＆＃34;在首都错误地发出新句子的开头）

Answer 1

您的示例文本结构不合理，因为第一句话在语法上不正确。

你必须使用正则表达式吗？或者你只是在寻找一个好的库来解析文本以找到整个句子？

我建议使用TextBlob来解析文本。这是一个例子：

from textblob import TextBlob
blob = TextBlob("Humpty dumpty sat on a wall i.e. humpty was sitting on a wall! Then, he fell down. Dr. John (BA in Medical Engineering) helped reconstruct humpty?")
blob.sentences

# [Sentence("Humpty dumpty sat on a wall i.e."),
#  Sentence("humpty was sitting on a wall!"),
#  Sentence("Then, he fell down."),
#  Sentence("Dr. John (BA in Medical Engineering) helped reconstruct humpty?")]

Python：解析英语句子的方法：正则表达式？

1 个答案: