用于从大文本Python3返回第一句的正则表达式

我想从课文中得到第一句话。我遇到了各种文本格式。
使用Python3 re.split（）
。我编写的正则表达式：

'.*\。[A-Z]“

意思是在出现格式之前，可以接受任何内容。
这在90%的案例中都有效，第一句中带有“Dr.Firstname Lastname”的案例打破了模式，它在Firstname之前一直是第一句。
我想尝试排除像“Dr.[A-Z]”这样的子字符串，但找不到方法。
有什么想法吗？谢谢

---

样本：Martin Laurance博士对美国和西班牙的降雨进行了研究。这是美国的最新研究。其他任何东西都会被忽略。

想消磨一两分钟（或25；），所以我想出了这个（根本不是万无一失的）解决方案：

(?i).*?\b((?=[a-z']*[aoueiy])(?=[a-z']*[^aoueiy])\w{2,}\.)

它所做的是识别一个单词，后跟一个句号。要将这个词与任何缩写词分开，它需要搜索一个字符序列（

{2，}

=1以上），该序列至少包含一个元音和一个辅音。这是通过在匹配单词之前使用两个“look a heads”来实现的

在单词中查找元音：

（？=[a-z]*[aoueiy]）

[a-z]*

=后跟字符类的任意字母数

[aoueiy]

-元音

辅音是相同的，只有与任何辅音匹配的否定字符类

[^aoueiy]

（以及任何其他非字母，但由于匹配的是字母，所以不重要；）

请注意，这当然与完整的语言解析器没有什么相似之处，但它在许多情况下都可以工作。它会漏掉的一件事是句子以一个字母单词“I”结尾。比如“我们在一起很好，你和我”

---

想消磨一两分钟（或25；），所以我想出了这个（根本不是万无一失的）解决方案：

(?i).*?\b((?=[a-z']*[aoueiy])(?=[a-z']*[^aoueiy])\w{2,}\.)

它所做的是识别一个单词，后跟一个句号。要将这个词与任何缩写词分开，它需要搜索一个字符序列（

{2，}

=1以上），该序列至少包含一个元音和一个辅音。这是通过在匹配单词之前使用两个“look a heads”来实现的

在单词中查找元音：

（？=[a-z]*[aoueiy]）

[a-z]*

=后跟字符类的任意字母数

[aoueiy]

-元音

辅音是相同的，只有与任何辅音匹配的否定字符类

[^aoueiy]

（以及任何其他非字母，但由于匹配的是字母，所以不重要；）

请注意，这当然与完整的语言解析器没有什么相似之处，但它在许多情况下都可以工作。它会漏掉的一件事是句子以一个字母单词“I”结尾。比如“我们在一起很好，你和我”

---

不要重新发明轮子，这个问题以前已经解决过。
当使用

Python

（您的链接建议的内容）时，尝试一下：

这就产生了

The rain in U.S.A. and Spain is researched by Dr. Martin Laurance.
This is the latest U.S.A. study.
Anything else will just be ignored.

---

不要重新发明轮子，这个问题以前已经解决过。
当使用

Python

（您的链接建议的内容）时，尝试一下：

这就产生了

The rain in U.S.A. and Spain is researched by Dr. Martin Laurance.
This is the latest U.S.A. study.
Anything else will just be ignored.

---

请添加一些真实的输入字符串并标记有问题的编程语言。此外，您可能正在寻找语言处理工具（例如

nltk

for

Python

），而不仅仅是正则表达式。您可能会遇到使用机器学习算法已经解决的问题（例如，

Prof.Dr.

，

U.A.

，等等）。没有写任何细节，因为不管它是python还是其他什么东西，它都是一样的。“这是美国的研究”vs“这是美国的研究”。表明如果你不标记句子的结尾，就不会只使用正则表达式。请添加一些真正的输入字符串并标记有问题的编程语言。此外，您可能正在寻找语言处理工具（例如

nltk

for

Python

），而不仅仅是正则表达式。您可能会遇到使用机器学习算法已经解决的问题（例如，

Prof.Dr.

，

U.A.

，等等）。没有写任何细节，因为不管是python还是其他任何东西，它都是一样的。“这是美国的研究”vs“这是美国的研究”。这表明，如果你不标记句子的结尾，你不会只使用正则表达式。我只花了一分钟来打破它。“这句话不会被捕获，因为它使用了一个共奏曲。”；-）@您发表评论时，Darkproduct正在修复该问题；）我也没有处理撇号。我只是花了一分钟来打破它。“这句话不会被捕获，因为它使用了一个共奏曲。”；-）@您发表评论时，Darkproduct正在修复该问题；）也没有处理撇号。