Python:解析英语句子的方法: Regex？

Question

我必须处理一些句子(假设英语格式良好)，例如：

“汉普蒂·邓普蒂坐在墙上，也就是汉普蒂坐在墙上！然后，他摔倒了。他为什么摔倒了？”

我对两件事感兴趣：

1. 单词(因此逗号、分号等被忽略)
2. (我认为在!、?和.上)，但是还有更复杂的“即”。其中有圆点)

如果语句中有诸如“例如”这样的单词，那么使用泛型正则表达式跳过"\W+“是不可行的。

regex是完成上述两件事的好方法吗？如果是的话，有人能给我指点如何开始创建这样一个正则表达式吗？还是，我应该为找到句子的结尾创建自己的规则吗？

一项规则的例子是：

如果句子以.或?或! 和结尾，那么在和之后有一个空格，下一个单词以大写字母开头，那么前一句结束。

如果句子里写着“约翰博士回家了”，这个规则就失败了。(.和r后面的空格R后面的"J“后面的大写错误地表示了一个新句子的开始)

Answer 1

您的示例文本结构不良，因为第一句在语法上是不正确的。

你一定要用regex吗？或者你只是在寻找一个很好的库来解析文本，找出完整的句子？

我建议使用TextBlob来解析文本。下面是一个示例：

from textblob import TextBlob
blob = TextBlob("Humpty dumpty sat on a wall i.e. humpty was sitting on a wall! Then, he fell down. Dr. John (BA in Medical Engineering) helped reconstruct humpty?")
blob.sentences

# [Sentence("Humpty dumpty sat on a wall i.e."),
#  Sentence("humpty was sitting on a wall!"),
#  Sentence("Then, he fell down."),
#  Sentence("Dr. John (BA in Medical Engineering) helped reconstruct humpty?")]