如何在python中使用迭代器在句子边界拆分句子

嗨，我必须解析一个字符串，这样我就可以在标点处拆分它，并将每个句子写在单独的一行上。有些情况下，标点符号不是句子边界，因此我不会将其拆分（出于调试目的，在出现这些情况时，我会打印一条消息）

以下是我的代码（如下所示）：

• 行是我正在读的字符串
• 标点列表是一个预定义的列表（没有那么重要）
• 句子边界是我试图用来知道何时拆分句子的布尔值
• 我使用I、prev和c检查当前、下一个和下一个、下一个字符

因为我是反向工作的，所以代码会找到所有而不是句子边界的条件。它检查多个大小写，并使用迭代器检查下一个字符。因为我使用的是迭代器，所以我决定每次使用递归传递一个较小的字符串，这样我就可以迭代搜索整个字符串。该功能正在运行

但是，目标是在标点符号实际上是句子边界的点（即，当其他情况不满足时）拆分字符串。由于我的递归函数，我陷入了一个小问题，我无法跟踪我所在列表的索引，因此不知道在哪里拆分句子。我曾考虑以某种方式使用辅助函数，但我不知道如何跟踪索引

如果您能帮助我修改此代码，我们将不胜感激。我知道我的方法有点倒退（而不是寻找在哪里拆分句子，我正在寻找在哪里不拆分句子），但如果可能的话，我仍然希望使用这段代码

def parse(line): #function

sentence_boundary = True

if (len(line) == 3):
    return

t = iter(line)
i = next(t)
prev = next(t)
c = next(t)

# periods followed by a digit with no intervening whitespace are not sentence boundaries
if i == "." and (prev.isdigit()):
    print("This is a digit")
    sentence_boundary = False

# periods followed by certain kinds of punctuation are probably not sentence boundaries
for j in punctuation_list:
    if i == "." and (prev == j):
        print("Found a punctuation")
        sentence_boundary = False


# periods followed by a whitespace followed by a lower case letter are not sentence boundaries
if (i == "." and prev == " " and c.islower()):
    print("This is a lower letter")
    sentence_boundary = False

# periods internal to a sequence of letters with no adjacent whitespace are not sentence boundaries
if i == '.' and prev.islower() and c.islower():
    print("This is a period within a sentence")
    sentence_boundary = False

# periods followed by a whitespace and then an uppercase letter, but preceded by any of a short list of titles are not sentence boundaries
if c == '.' and prev.islower() and i.isupper():
    print("This is a title")
    sentence_boundary = False

index = line.index(i)

parse(line[index+1:])


if __name__ == "__main__":
    parse(line)

---

我认为你的代码很难理解

prev

通常是“previous”的缩写，因此将其与“next”一起使用对我来说毫无意义

在递归调用之间保持额外状态（如索引）的常用方法是将其作为额外参数传递。您可以使用默认值

0

def parse(line, index=0): #function
    ...
    parse(line, index+1)