提前句子拆分答案

【问题标题】：Advance Sentence Split提前句子拆分
【发布时间】：2014-04-17 15:12:00
【问题描述】：

Python 问题！

我想要一些关于在文本文件中拆分句子的帮助。我不想创建一个庞大的 if 循环，但我需要找到一种方法来将文本文件拆分为句子。我必须在没有 .readlines() 的情况下这样做

我想用句号、引号和感叹号来分隔句子...但是：

句点后跟空格后跟小写字母不会拆分句子
句号后跟一个没有中间空格的数字不会拆分句子
Mr.、Mrs.、Dr.等当然不会拆分句子
字母序列，例如 www.website.com 等）
在句号的最后加上逗号和更多句号（省略号）等标点符号

我希望将文本文件中的这些拆分语句打印给用户。我将如何进行这个过程？我了解基本的字符串格式和索引，但是添加省略号、姓氏等会让我更难...

**还将使用 tkinter 创建一个打开文件按钮和一个下拉菜单，允许用户从 .txt 文件中每行一个句子的程序输出创建一个新的文本文件。

谢谢！

这是我得到的

import re

punctuation = ['.', '?', '!']
exceptions = ['Mr.', 'Mrs.', 'Ms.', 'Sr.', 'e.g', '...']
lines = []

with open('myData.txt') as myFile:
    lines = re.split(punctuation, myFile)

【问题讨论】：

你能贴出你迄今为止为此编写的代码吗？
到目前为止你尝试过什么？标记为“过于宽泛”，因为存在一系列问题，而 OP 本质上是要求为它们编写代码。
可能需要检查 nltk 否则这将是一些丑陋的正则表达式。
好吧，我现在可以告诉您，您不必担心创建“大量 if 循环”，因为 if 不是循环结构。
您应该在句号后跟空格后跟大写字母拆分，规则 3 除外。

标签： python split sentence

【解决方案1】：

这是我的代码

import re

punctuation = re.compile(r"([^\d+])(\.|!|\?|;|\n|。|！|？|；|…|　|!|؟|؛)+")
lines = []

with open('myData.txt','r',encoding="utf-8") as myFile:
    lines = punctuation.sub(r"\1\2<pad>", myFile.read())
    lines = [line.strip() for line in lines.split("<pad>") if line.strip()]

【讨论】：

嘿，我知道你是一个新的贡献者！请确保始终描述您对代码所做的操作。 StackOverflow 上排名最高的问题通常包含比实际代码更多的描述性文本。继续加油^^