使用Python提取包含单词的句子。。。以及它周围的句子？

在提取包含单词（如和）的特定句子时会遇到很多问题，我有足够的NLTK和SciPy初学者经验，能够自己完成这项工作

然而，我被困在试图提取一个包含单词的句子。。。以及目标句前后的句子

例如：

“前几天我正在上学的路上，天开始下雨了。我伸手去拿伞，但我意识到我把伞忘在家里了。我该怎么办？我立即跑向最近的树。但后来我意识到我不能呆在一棵没有叶子的树上。”

在这个例子中，目标词是“可以”。如果我想提取目标句子（我能做什么？）以及前后两个句子（我伸手去拿雨伞，但我意识到我忘在家里了。我立即跑向最近的树），那么什么是一个好方法

假设我把每个段落都分割成自己的文本

for paragraph in document:
    do something

---

。。。有没有合适的方法来解决这个问题？我有大约10000个段落，在目标词周围有不同数量的句子（每个段落都有）

import nltk.data
tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')
for paragraph in document:
    paragraph_sentence_list = tokenizer.tokenize(paragraph)
    for line in xrange(0,len(paragraph_sentence_list)):
        if 'could' in paragraph_sentence_list[line]:

            print(paragraph_sentence_list[line])

            try:
                print(paragraph_sentence_list[line-1])
            except IndexError as e:
                print('Edge of paragraph. Beginning.')
                pass

            try:
                print(paragraph_sentence_list[line+1])
            except IndexError as e:
                print('Edge of paragraph. End.')
                pass

这样做的目的是把段落分成一系列句子

---

对句子的迭代测试“can”是否在上下文中。如果是，则打印上一个索引[line-1]、当前索引[line]和下一个索引[line+1]

使用

sent\u tokenize

从原始语料库中提取句子，然后

word\u tokenize

对句子进行标记，然后使用“can”提取句子：

要获得前后的句子，请执行以下操作：

>>> sentences = sent_tokenize(corpus)
>>> [" ".join([sentences[i-1], j, sentences[i+1]]) for i,j in enumerate(sentences) if u"could" in word_tokenize(j)]

---

您是否已将每个段落中的句子提取到一个列表中（每个句子一个列表项）？您是否需要查找段落中目标词的每一次出现，还是仅查找第一次？可能需要使用

try:/except:indexer

围绕上一行/下一行打印语句来处理边缘情况？如何使用NLTK splitter优于

split（'.'）

？@user1993它有一些额外的助手，但在其他方面也差不多。如何使用NLTK拆分器比

split（'.'）

？

len（sent_tokenize（'Ken博士在医院工作'））==1

len（Ken博士在医院工作）。拆分（'==2

谢谢！那么NLTK更好吗？因为它在经过一个大型数据库之后提取了很多更仔细的规则/条件？这些规则是硬编码的还是学习的？

>>> sentences = sent_tokenize(corpus)
>>> [" ".join([sentences[i-1], j, sentences[i+1]]) for i,j in enumerate(sentences) if u"could" in word_tokenize(j)]