Python 如何在标点符号上拆分文本，而不是在电子邮件或其他表达式上拆分文本？ 我希望在标点符号上拆分文本，而不是在电子邮件上——考虑到Unicode必须使用，因为不是所有的人都会说英语。 import re example = 'My email is John@gmail.com. My name is John. Her email is Anna@gmail.com' print re.split('[.]\s*', example, re.UNICODE) # gives ['My email is John@gmail', 'com', 'My name is John', 'Her email is Anna@gmail', 'com'] # required ['My email is John@gmail.com', 'My name is John', 'Her email is Anna@gmail.com']

如何正确地将其分开-我知道正则表达式，但不知道如何解决-我认为这将不起作用，因为字符数是不固定的

我可以写并行匹配的第一个电子邮件分隔符，并认为电子邮件总是赢得分隔符。

---

考虑到人类是不完美的，这是自然语言，所以例子可以是-我们应该帮助他们解决简单的错误，但不是全部：

'My email is john@www.mysite.pl.I am teenager.'
'My email is john@www.mysite.pl. I am teenager.'

---

可以学习并保存在一些字典中，如“.com |.pl |…”。

对于您眼前的问题，您是否注意到这可以解决它：

re.split('[.]\s+'

除此之外，人们还做了几件事：

停止模式，字典，像dr.等人的东西。a、 答：你可以查一个例子

机器学习算法。他们会检测所有可能的句子结尾，比如？等等，然后运行分类来猜测哪一个是句子的结尾。请参见python中的示例

---

对于您眼前的问题，您是否注意到这可以解决它：

re.split('[.]\s+'

除此之外，人们还做了几件事：

停止模式，字典，像dr.等人的东西。a、 答：你可以查一个例子

机器学习算法。他们会检测所有可能的句子结尾，比如？等等，然后运行分类来猜测哪一个是句子的结尾。请参见python中的示例

---

对于您眼前的问题，您是否注意到这可以解决它：

re.split('[.]\s+'

除此之外，人们还做了几件事：

停止模式，字典，像dr.等人的东西。a、 答：你可以查一个例子

机器学习算法。他们会检测所有可能的句子结尾，比如？等等，然后运行分类来猜测哪一个是句子的结尾。请参见python中的示例

---

对于您眼前的问题，您是否注意到这可以解决它：

re.split('[.]\s+'

除此之外，人们还做了几件事：

停止模式，字典，像dr.等人的东西。a、 答：你可以查一个例子

机器学习算法。他们会检测所有可能的句子结尾，比如？等等，然后运行分类来猜测哪一个是句子的结尾。请参见python中的示例

---

这并不是那么容易，但举个例子，它可能与消极的前瞻性有关：

>>> import re
>>>
>>> print re.split('\.(?!com)', example, re.UNICODE)
['My email is John@gmail.com', ' My name is John', ' Her email is Anna@gmail.com']

假设只有.com顶级域足以找到解决方案

更新

另一个例子是一次失败

john@www.mysite.pl.I

，但您写了：

我们应该帮助他们解决简单的错误，但不是全部

---

))

这并不是那么容易，但举个例子，它可能与消极的前瞻性有关：

>>> import re
>>>
>>> print re.split('\.(?!com)', example, re.UNICODE)
['My email is John@gmail.com', ' My name is John', ' Her email is Anna@gmail.com']

假设只有.com顶级域足以找到解决方案

更新

另一个例子是一次失败

john@www.mysite.pl.I

，但您写了：

我们应该帮助他们解决简单的错误，但不是全部

---

))

这并不是那么容易，但举个例子，它可能与消极的前瞻性有关：

>>> import re
>>>
>>> print re.split('\.(?!com)', example, re.UNICODE)
['My email is John@gmail.com', ' My name is John', ' Her email is Anna@gmail.com']

假设只有.com顶级域足以找到解决方案

更新

另一个例子是一次失败

john@www.mysite.pl.I

，但您写了：

我们应该帮助他们解决简单的错误，但不是全部

---

))

这并不是那么容易，但举个例子，它可能与消极的前瞻性有关：

>>> import re
>>>
>>> print re.split('\.(?!com)', example, re.UNICODE)
['My email is John@gmail.com', ' My name is John', ' Her email is Anna@gmail.com']

假设只有.com顶级域足以找到解决方案

更新

另一个例子是一次失败

john@www.mysite.pl.I

，但您写了：

我们应该帮助他们解决简单的错误，但不是全部

---

))

> P>在java和C中这样做的一种常见方法是使用ICU库，它提供了一种称为中断迭代器的机制，它可以由正则表达式文件配置来识别文本中的任意数量的正则模式，您要考虑整个令牌（电子邮件、数字、电话号码等）

正如我所看到的，有一个Python版本

---

也是处理Unicode文本的库。

< P>在java和C中这样做的一种常见方法是使用ICU库，它提供了一种称为断代迭代器的机制，它可以由正则表达式文件配置，以识别文本中要考虑的整数的任意数量的模式。（电子邮件、号码、电话号码等）

正如我所看到的，有一个Python版本

---

也是处理Unicode文本的库。

< P>在java和C中这样做的一种常见方法是使用ICU库，它提供了一种称为断代迭代器的机制，它可以由正则表达式文件配置，以识别文本中要考虑的整数的任意数量的模式。（电子邮件、号码、电话号码等）

正如我所看到的，有一个Python版本

---

也是处理Unicode文本的库。

< P>在java和C中这样做的一种常见方法是使用ICU库，它提供了一种称为断代迭代器的机制，它可以由正则表达式文件配置，以识别文本中要考虑的整数的任意数量的模式。（电子邮件、号码、电话号码等）

正如我所看到的，有一个Python版本

---

它也是处理Unicode文本时应该使用的库。

你有一些数据可以用来测试这些东西吗？我不认为你能找到一个解决方案来解决所有可能出现的问题……但你可以覆盖大多数情况，包括@之后的顶级lvl域，以及“.”规则和标志不匹配之后的空格，以供审查和我我有足够的数据进行测试（整个互联网）。正如我之前所说，你不会有解决所有问题的解决方案，但我想解决最基本的问题-假设只有

.com

顶级域足以找到解决方案。这不是一个e