一个正则表达式，用于从python的一个段落中提取句子

一个正则表达式，用于从python的一个段落中提取句子

例如，您发布的段落的第一句用双引号

"

引起来，而引号紧接在句号之后： 感染。”

您的正则表达式

[.!?]s{1,2}

正在寻找一个句点，后跟一个或两个空格作为句子终止符，因此它不会被抓住。

可以通过允许使用可选的右引号进行调整以应对这种情况：

sentenceEnders = re.compile(r'''[.!?]['"]?s{1,2}(?=[A-Z])''')

但是，使用上述正则表达式，您将删除句子的结尾引号。保持它有些棘手，可以使用后向断言来实现：

sentenceEnders = re.compile(r'''(?<=[.!?]['"s])s*(?=[A-Z])''')

但是请注意，在许多情况下，基于正则表达式的拆分器会失败，例如：

• 缩写： “在AB Givental博士的作品中……” -根据您的正则表达式，这将在 “ Dr.” 之后错误地拆分。 ， “ A”。 和 “ B”。 （您可以调整单字母的大小写，但是除非对它进行硬编码，否则无法检测到缩写。）

• 在句子的中间使用感叹号： “……何时，瞧瞧！德夏先生亲自出现……”

• 使用多个引号和嵌套引号等