在Python中，从单词中分离/标记点，但不从数字中分离/标记点

我试图将德语句子中的点与单词分开，而不是与数字分开，例如：

"Der 17. Januar war ein toller Tag. Heute ist es auch schön."

应该以

"Der 17. Januar war ein toller Tag . Heute ist es auch schön . "

但我找不到解决办法。我尝试在Python中使用

re

模块，但没有成功

line = re.sub(r'[^0-9]+\.', ' . ', line)

就这样结束了

"Der 17. Januar war ein toller Ta . Heute ist es auch schö . "

---

您必须在正则表达式中使用正向查找：

import re
s = "Der 17. Januar war ein toller Tag. Heute ist es auch schön."
final_string = re.sub("(?<=[a-zA-Z])\.(\s|$)", ' . ', s)
print(final_string)

---

以防万一，你不想使用正则表达式。这里有一个替代方案

def tokenize_using_dot(s_input):
    s_list = s_input.split()

    for idx in range(len(s_list)):
        if s_list[idx][-1] == '.' and not s_list[idx][0:-1].isdigit():
            s_list[idx] = s_list[idx].replace('.', ' .')
    return' '.join(s_list)


s = "Der 17. Januar war ein toller Tag. Heute ist es auch schön."
print(tokenize_using_dot(s))

输出：

 Der 17. Januar war ein toller Tag . Heute ist es auch schön .

---

正如@phg所评论的，对于这些类型的任务，最好使用nltk中合适的标记器

也许是XY问题。如果这应该是NLP管道的一部分，那么应该使用适当的标记器。就像在或（我知道spacy内置了一个德国模型；不确定NLTK。）。谢谢！正则表达式工作得非常好，此外，我可以轻松地修改它以解决一些类似的问题：）

 Der 17. Januar war ein toller Tag . Heute ist es auch schön .