Question

说我有代码txt = "Hello my name is bob. I really like pies."，我将如何分别提取每个句子并将其添加到列表中。我创建了这个凌乱的脚本，它给了我大约一个字符串的许多句子...

sentences = 0
capitals = [
    'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S',
    'T','U','V','W','X','Y','Z'
]
finish_markers = [
    '.','?','!'
]
newTxt = txt.split()
for x in newTxt[1:-1]:
    for caps in capitals:
        if caps in x:
            for fin in finish_markers:
                if fin in newTxt[newTxt.index(x) - 1]:
                    sentences += 1
for caps in capitals:
    if caps in newTxt[0]:
        sentences += 1
print("Sentence count...")
print(sentences)

它正在使用上面提到的txt变量。但是，我现在想提取每个句子并将它们放入列表中，以便最终产品看起来像这样……

['Hello my name is bob.','I really like pies.']

我不希望使用任何非标准软件包，因为我希望此脚本独立于一切和脱机工作。谢谢您的帮助！

Answer 1

使用nltk.tokenize

import nltk
sentences = nltk.sent_tokenize(txt)

这将为您提供一个句子列表。

Answer 2

您可以对所有结尾的chars（“。”，“？”，“！”）使用正则表达式，然后将其拆分为不同的字符串。

Answer 3

您正在尝试将字符串拆分为句子，使用正则表达式或字符串函数处理很难做到这一点。对于您的用例，我建议使用NLTK之类的NLP库。然后，看看这个Tokenize a paragraph into sentence and then into words in NLTK。

如何从python的字符串中提取文本？

3 个答案: