使用nltk.sent_tokenize拆分句子，它不能提供正确的结果

Question

我正在尝试使用nltk.sent_tokenize将一些客户的评论拆分为句子。我已经尝试使用以下代码解决一些问题：

comment = comment.replace('?', '? ').replace('!', '! ').replace('..','.').replace('.', '. ')

但我不知道如何解决以下问题：

1. 客户在一些句子后使用了几个"."。例如：

   Think tool is a huge factor in this....i have only
   

2. 客户在一些句子后使用了多个"!"，例如auditory subject everyday!!!!!

3. 其中一些在句子末尾使用了"!"和"."的组合。

4. 因为我已经使用过replace('.', '. ')，所以它也会导致以下问题：

   体重增加(20lbs.)，已分为(20lbs. )

有什么建议吗？我正在使用Python。

Answer 1

尝试使用Punkt Sentence Tokenizer。它经过预先训练，可以有效地分割句子，并且很容易被腌制成代码。