在不删除定界者的情况下在正则分开

Question

所以，我想将此文本分为句子。

s = "You! Are you Tom? I am Danny."

所以我得到：

["You!", "Are you Tom?", "I am Danny."]

那就是我想在不删除定界数的情况下将文本拆分为Regex '[.!?]'。在Python中实现这一目标的最高方法是什么？

我知道以下问题：

js string.split((而无需删除定界器

python split((不删除定界线

，但是我的问题有各种定系数(.?!(，这使问题复杂化。

Answer 1

您可以将re.findall与Regex .*?[.!?]一起使用;懒惰量词*?确保每个模式都与您要匹配的特定定界符匹配：

import re
s = """You! Are you Tom? I am Danny."""
re.findall('.*?[.!?]', s)
# ['You!', ' Are you Tom?', ' I am Danny.']

Answer 2

严格来说，您不想在'！？。'上拆分，而是在跟随这些字符的空格上。以下将有效：

>>> import re
>>> re.split(r'(?<=[.!?])s*', s)
['You!', 'Are you Tom?', 'I am Danny.']

这将在空格上分裂，但前提是在之前是a。，！或？字符。

Answer 3

如果python支持由零长度匹配分配，则可以通过匹配的一个空字符串之前，先于其中一个定界符：

(?<=[.!?])

演示：https：//regex101.com/r/zldxr1/1

不幸的是，Python不支持零长度匹配分配。然而，该解决方案仍可能在支持lookhinds的其他语言中有用。

但是，基于您的输入/输出数据样本，您宁愿在一个定界符之前按空格分开。因此，正则是：

(?<=[.!?])s+

演示：https：//regex101.com/r/zldxr1/2

python演示：https：//ideone.com/z6nzi5

如果空间是可选的，我相信@psidom建议的re.findall解决方案是最好的。

Answer 4

如果您喜欢使用拆分方法而不是匹配，则用组

拆分一个解决方案

splitted = filter(None, re.split( r'(.*?[.!?])', s))

滤波器如果有的话，将卸下空字符串。

即使句子之间没有空格，或者您需要以不同的标点符号结尾，例如Unicode Ellipses(或完全有任何句子(

，这将起作用。

甚至有可能保持您的re(逃避更正和添加括号(。

splitted = filter(None, re.split( r'([.!?])', s))

然后合并均匀，不均匀元素并删除额外的空间

python split((而无需删除定界线

Answer 5

最简单的方法是使用nltk。

import nltk   
nltk.sent_tokenize(s)

它将返回所有句子的列表，而不会失去定界者。