正則表達式匹配句子

-2

我正在嘗試在python中匹配句子的正則表達式。我看到的主要作品是：[^\.\?\!].*?[\.\?\!]，但下面的測試句子有一些錯誤。你可以看到使用該網站https://regex101.com/。我正在尋找一個包含所有問題的正則表達式，比如省略號，敬語和事物。正則表達式匹配句子

對於英語以外的語言進行標記化，我們可以加載斷詞/ PUNKT發現相應的語言鹹菜文件和然後記號化的另一種語言的文本，這是一個參數標記化（）函數。對於法文文本的標記，我們將使用如下的french.pickle文件：史密斯先生以150萬美元的價格購買了cheapsite.com ，即他付出了很多。他介意嗎？亞當瓊斯小心認爲他沒有。無論如何，這是不正確的......好吧，與的概率.9它不是。

p.s.如果你想知道我從一本自然語言處理書中得到了上述句子，並且在同一主題上有另一個堆棧溢出問題。

來源

2017-05-02 Patrick Lambert

最簡單的方法是將其分成3個操作。

替代即省略號，你想與其他標誌物沒有像@@@[email protected]@@和@@@[email protected]@@點什麼都。
匹配句子。
之後，重建即省略號。

更新：一些代碼如何做到這一點。你必須爲你想從句子匹配中排除的每個項目做替換。

sentences = re.sub(r'i\.e\.', "@@@[email protected]@@", sentences); 
matches = re.match(r'[^\.\?\!].*[\.\?\!]', sentences); 
matches = re.sub(r'@@@[email protected]@@', "i.e.", matches);

來源

2017-05-02 21:34:48

是的，你會怎麼做？ –

用代碼示例更新了答案 –

好的，但請記住它並非如此簡單，因爲對於每種語言，您必須使用點處理至少一千個詞典（至少），併爲此處理數千個或更多的子串如果你想要一些有效的東西，就不能這樣做。 –

正則表達式匹配句子

回答

相關問題