【发布时间】:2012-09-22 20:43:51
【问题描述】:
基本上我会读一段充满各种标点符号的段落 如 ! ? . ; "并将它们分成句子。 我面临的问题是想出一种方法,将它们拆分成带有完整标点符号的句子,同时考虑对话中的引用
例如段落:
一天早上,当格雷戈尔·萨姆萨从噩梦中醒来时,他发现 自己在床上变成了可怕的害虫。 “有什么 发生了!?”他问自己。“我……不知道。”萨姆萨说,“也许 这是一个噩梦。”他像盔甲一样躺在他的背上,如果他抬起 他的头稍微有点他能看到他棕色的腹部,略呈圆拱形, 被拱门分成坚硬的部分。
需要这样拆分
[0] One morning, when Gregor Samsa woke from troubled dreams, he found himself transformed in his bed into a horrible vermin.
[1] "What has happened!?" he asked himself.
[2] "I... don't know." said Samsa, "Maybe this is a bad dream."
等等。
目前我只是在使用explode
$sentences = explode(".", $sourceWork);
并且仅按句点将其拆分并在末尾附加一个。我知道这与我想要的相去甚远,但我不太确定从哪里开始处理这个问题。如果有人至少可以为我指出在哪里寻找很棒的想法的正确方向。
提前致谢!
【问题讨论】:
-
“昨天我去过拉什莫尔山。”
-
@Ozerich:是的,几乎不可能准确地解析自然语言。尝试越多,越会发现不符合规则的示例。