Question

我有一长串这样的文字：

text = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

我想得到这个输出：

phrases = ['Quisiera yo detectar los puntos... pero solo los puntos aislados.',
' Los puntos suspensivos no los quiero detectar.',
' A eso me refiero.']

问题在于第一个短语中的三个点。我找不到将它们与常见的单点分隔符区分开的正则表达式。有没有办法用正则表达式来实现？

Answer 1

您想以不同的方式处理..（或...等），并将其与否定的前瞻相结合：

(?:[^.]|\.{2,})+\.

说明：

(?:[^.]|\.{2,})+将匹配任何由非.个字符组成的字符串或由2个或更多.组成的组
\.当然需要一个时间段

这里是demo。

Answer 2

您可以使用正向后视来仅在不超过一个点的空白处进行分割。这种方法将忽略2个或更多点的任何序列。

例如：

import re

s = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

sentences = re.split(r'(?<=[^.]\.)\s', s)
print(sentences)
# ['Quisiera yo detectar los puntos... pero solo los puntos aislados.', 'Los puntos suspensivos no los quiero detectar.', 'A eso me refiero.']

Answer 3

尝试一下...

import re

text = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

pattern = r"(?<=\.)\s(?=[A-Z])"
re.split(pattern, text)

结果应该是...

['Quisiera yo detectar los puntos... pero solo los puntos aislados.',
 'Los puntos suspensivos no los quiero detectar.',
 'A eso me refiero.']

我的答案基于this SO answer。

更新：
使用regex标签浏览了一些答案，我遇到了这个metadiscussion和这个answer。我的回答并非来自于对正则表达式的先天知识，而是来自花费约17分钟的时间来搜索不同的搜索词并在Stack Overflow上乱拨。在随后的17分钟左右的时间里，我花了我一些时间才能回答其他两个问题。
我意识到我的答案更多是“向我展示代码”而不是“教人钓鱼”之类的答案。我的底线是我说，当我急需帮助时，我希望有人向我展示代码。但是，能够通过谷歌搜索解决问题的方法是一项重要技能，也是一种可怕的药物。希望我的解决方案有所帮助，但我也强烈建议您查看更新中的链接。对于regex标签的状态以及使堆栈溢出更有意义的观点，是否有任何意义。

寻找正则表达式模式以捕获短语直到点

3 个答案: