正则表达式构造从文本中获取句子-Python

一个句子将是一系列字符：

以（但不包括）字符结尾。或文件的结尾

排除两端的空白，以及

不是空的

我有一个包含以下文本的文件：

这是第一句话。不是吗？对这\n\n最后一位：）也是一个句子，但是\n除了文件的结尾之外没有终止符\n

根据上述定义，其中有四个“句子”：

• 第1句：

  这是\n第一句

• 第二句：

  不是\n它

• 第三句：

  Yes

• 第4句：

  这\n\n最后一位：）也是一个句子，但是\n除了文件的结尾之外没有终止符

请注意：

• 这些句子不包括它们的终止符字符
• 最后一句话没有以字符结尾；它以文件结尾结束
• 句子可以跨越文件的多行

这就是我目前拥有的

（.*\n+）

，我不知道如何改进它

---

请我需要你的帮助，一个正则表达式，解构到上面的文本，并返回一个列表。提前感谢您的帮助。

以下内容并非适用于所有人，但适用于您的特定输入。您可以进一步调整此表达式：

([^!?.]+)[!?.\s]*(?![!?.])

看

详细信息：

• （[^！？。]+）

  -捕获与

  以外的1个或多个字符匹配的组1，
  ？
  ，
  

• [！？。\s]*

  -0或更多

  ，
  ？
  ，
  ，空格

• （？！[！？）

  -后面不跟

  ，
  ？
  或
  

在Python中，您需要将它与

re.findall

一起使用，它将只获取捕获组捕获的子字符串：

import re
rx = r"([^!?.]+)[!?.\s]*(?![!?.])"
s = "this is the\nfirst sentence. Isn't\nit? Yes ! !! This \n\nlast bit :) is also a sentence, but \nwithout a terminator other than the end of the file\n"
sents = re.findall(rx, s)
print(sents)
# => ['this is the\nfirst sentence', 
      "Isn't\nit", 
      'Yes ', 
      'This \n\nlast bit :) is also a sentence, but \nwithout a terminator other than the end of the file\n'
     ]

请参见尝试以下操作：

re.split('(\!\s\!+)|\.|\?',s)
['this is the\nfirst sentence', " Isn't\nit", ' Yes ', ' This \n\nlast bit :) is also a sentence, but \nwithout a terminator other than the end of the file\n']

---

比如，你需要使用正则表达式吗

nltk

内置了一个固定的句子标记器。我今天才读到nltk，对我来说是新的。我会更仔细地研究它，不过正则表达式现在就可以了。多亏了Wiktor，它成功了@Wiktor Stribzew非常感谢。你能不能解释一下，让我下次再说一遍。如果不是太麻烦的话。对不起，我没有收到任何通知，请不要在

@

和用户名之间使用空格。嗨，我运行它时它返回了七个句子