Python 标点符号或驼峰格上的分句

我在python中有一个很长的字符串，我试图把它分解成一个句子列表。这些句子中只有一部分缺少拼音和空格

范例

我车库里有9只羊。电子游戏非常酷

我想不出用什么正则表达式来区分这两个！这简直让我发疯

这里也有适当的标点句，所以我想我应该制作几个不同的正则表达式模式，每一个都分离出不同的组合风格

输入

我车库里有9只羊。电子游戏非常酷。有些花生会唱歌，尽管它们尝起来比听起来好多了

输出

[“我车库里有9只羊”， “电子游戏超级酷。” “有些花生会唱歌，尽管它们尝起来比听起来好多了！”]

谢谢

位置拆分：使用

regex

模块 我会给你们两个“分割”和“全部匹配”选项。让我们从“拆分”开始

在许多引擎中，但不是Python的

re

模块，您可以在零宽度匹配定义的位置拆分

在Python中，我将使用Matthew Barnett的杰出，其特性远远超过Python的默认

re

引擎。这是我在Python中默认的正则表达式引擎

通过您的输入，您可以使用以下正则表达式：

(?V1)(?<=[a-z])(?=[A-Z])|(?<=[.!?]) +(?=[A-Z])

输出：

string = "I have 9 sheep in my garageVideo games are super cool. Some peanuts can sing, though they taste a whole lot better than they sound!"
result = regex.split("(?V1)(?<=[a-z])(?=[A-Z])|(?<=[.!?]) +(?=[A-Z])", string)
print(result)

['I have 9 sheep in my garage', 
'Video games are super cool.', 
'Some peanuts can sing, though they taste a whole lot better than they sound!']

解释

• （？V1）

  指示引擎使用新行为，我们可以根据零宽度匹配进行拆分

---

• （？像“deArmond博士去药店了吗？”这样的字符串的正确输出是什么？分句很难
  print(regex.findall(r".+?(?:(?<=[.!?])|(?<=[a-z])(?=[A-Z]))",string))