【发布时间】:2018-11-19 10:08:25
【问题描述】:
如何将文本文件中的所有句子和段落替换为 <string> 标记?
我想保持文本文档中的间距、制表符和列表不变:
示例输入:
Clause 1:
a) detail 1. some more about detail 1. Here is more information about this paragraph right here. There is more information that we think sometimes.
b) detail 2. some more about detail 2. and some more..
示例输出:
<string>
a) <string>
b) <string>
【问题讨论】:
-
你能从文件中的数据举个例子吗?
-
在诸如
1. Confidentiality Undertaking – ...这样的文本中,您认为1.是段落的一部分,还是“其他所有内容”的一部分? -
此外,几乎每个句子和段落都会包含标点符号、间距、制表符等,因此不清楚如何在保持这些内容完整的同时用标签替换句子/段落。您可能应该给出一个输入和期望输出的小例子。
-
谢谢@MichaelDyck,你说的很对,我没有完全考虑清楚。项目符号和列表应该单独留下,但我想标点符号也需要删除?这是一个输入和输出示例:dropbox.com/s/uenclomviw082q0/1.txt?dl=0dropbox.com/s/w18y21b5pd7jj1a/1-labeled.txt?dl=0
标签: python text nlp text-processing text-parsing