Question

我试图在python中创建一个匹配句子的正则表达式。我看到的主要是：[^\.\?\!].*?[\.\?\!]，但是下面的测试句子有一些错误。您可以使用网站https://regex101.com/查看。我正在寻找一个包含下面所有问题的正则表达式，例如省略号，敬语和ie。

对于使用英语以外的语言进行标记化，我们可以加载在tokenizers / punkt中找到的相应语言pickle文件然后用另一种语言标记文本，这是一个参数 tokenize（）函数。对于法语文本的标记化，我们将使用french.pickle文件如下：史密斯先生买了cheapsite.com 150万美元，即他为此付出了很多。他介意吗？亚当小琼斯认为他没有。无论如何，这不是真的......好吧，有概率为.9不是。

P.S。如果您想知道我从自然语言处理书中得到了上述句子，并且在同一主题上有另一个堆栈溢出问题。

Answer 1

最简单的方法是将其拆分为3个操作。

替换即省略号以及您想要的其他标记，如@@@ie@@@和@@@ellipsis@@@之类的点。
匹配句子。
在重建之后，即省略号。

更新：有些代码如何操作。您必须为每个项目进行替换，并使用要从句子匹配器中排除的点。

sentences = re.sub(r'i\.e\.', "@@@ie@@@", sentences);
matches = re.match(r'[^\.\?\!].*[\.\?\!]', sentences);
matches = re.sub(r'@@@ie@@@', "i.e.", matches);

正则表达式匹配句子

1 个答案: