如何在Lua中匹配一个句子

我试图创建一个正则表达式，它试图匹配一个句子

这里是一个片段

local utf8 = require 'lua-utf8'
function matchsent(text)
  local text = text
  for sent in utf8.gmatch(text, "[^\r\n]+\.[\r\n ]") do
    print(sent)
    print('-----')
  end
end

---

但是，它的工作方式与python不同。我知道Lua使用不同的正则表达式模式集，并且它的正则表达式功能有限，但是为什么上面的正则表达式会给我一个语法错误？在Lua中匹配正则表达式的句子会是什么样子

请注意，Lua使用的Lua模式不是“正则”表达式，因为它们无法与正则语言匹配。它们很难用于将文本拆分成句子，因为您需要考虑各种缩写、间距、大小写等。由于任务的复杂性，要将文本拆分成句子，您需要一个NLP包，而不是一个或两个正则表达式

关于

为什么上面的正则表达式会给我一个语法错误

您需要在Lua模式中用

%

符号转义特殊符号。请参见示例代码：

function matchsent(text)
    for sent in string.gmatch(text, '[^\r\n]+%.[\r\n ]') do
        print(sent)
        print("---")
    end
end
matchsent("Some text here.\nShow me")

---

一个

你需要使用

%

来转义特殊符号。是的，这是可行的，但是“Bonn博士藏在一棵树中”怎么样？句子，它将被错误地拆分。请注意，Lua模式不是正则表达式，默认情况下无法将句子与缩写匹配。您可能希望使用类似

%.%s+（%u）

，将其替换为say

§%1

，然后使用

[^§]+

和

gmatch

将其“拆分”为“句子”，但这仍然是近似值，因为它无法分辨

。来自
的新句子
。波恩博士

。看见注意，在Lua中不能使用Python

（？：（？：Dr|Mrs）\.[^\r\n.]）+\.

之类的东西，因为Lua模式不支持交替，更不用说量化组了。是的，句子标记化本身是一个单独的主题，我只是希望我能避开一些近似的Python正则表达式。@minerals:事实上，即使在Python中，也最好使用

nltk

来完成此任务。在Ruby中，有一个。然而，由于大量使用交替，它不能移植到基于Lua模式的解决方案中。