Python Regex Sentence Finder - 想要忽略“a.m.”答案

【问题标题】：Python Regex Sentence Finder-Want to Ignore "a.m."Python Regex Sentence Finder - 想要忽略“a.m.”
【发布时间】：2021-01-27 01:17:15
【问题描述】：

我正在开发一个正则表达式来查找句子，我想忽略导致正则表达式在句子结尾之前终止的缩写。例如，我想忽略“a.m.”，使其返回“At 9:00 a.m. the store opens.”而不是“At 9:00 a.m.”。 "

def sentence_finder(x):
    RegexObject = re.compile(r'[A-Z].+?\b(?!a\.m\.\b)\w+[.?!](?!\S)')
    Variable = RegexObject.findall(x)
    return Variable

我在运行 pytest 时得到以下信息：

def test_pass_Ignore_am():
>       assert DuplicateSentences.sentence_finder("At 9:00 a.m. the store opens.") == ["At 9:00 a.m. the store opens."]
E       AssertionError: assert ['At 9:00 a.m.'] == ['At 9:00 a.m...store opens.']
E         At index 0 diff: 'At 9:00 a.m.' != 'At 9:00 a.m. the store opens.'

我做错了什么？

【问题讨论】：

试试[A-Z](?:a\.m\.|.)*?\w[.?!](?!\S)，见regex101.com/r/78k0By/1
p.m. e.g. Ave. 等呢？您应该使用更通用的规则，而不是仅排除 a.m.
对于之前关于句子查找器的工作，您应该查看我对Using regular expression as a tokenizer 的回答。它在 complex legal narrative 上完美运行。
试试(?=[A-Z]).+?[.?!](?=\s*(?:[A-Z]|$))，它应该可以在大部分时间工作。

标签： python regex

【解决方案1】：

您可以使用否定的lookbehind来检查在匹配一个点之后，它之前没有a.m.。

[A-Z].*?\w[.?!](?<!\ba\.m\.)(?!\S)

说明

[A-Z] 匹配一个字符 A-Z
.*? 尽可能少匹配除换行符以外的任何字符 0+ 次
\w[.?!] 匹配一个单词 char 后跟 . ? 或 !
(?<!\ba\.m\.) 否定后向断言直接向左不是a.m.
(?!\S) 断言右边的空白边界

Regex demo

【讨论】：