使用Python中的re将句子划分为子句子

Question

我有很多句子的数据，以一个例子作为下面的句子，我想把它分成两个子句子：

2/2小鼠血浆全血及d< 1.006 g/ml密度分数均呈宽的β-迁移模式(图1B)：**1SP3E3_3；\x I：**1SP3E3~(3+)：**1SP3E3：**1SP3E3：**1SP3E3: 3/3血浆在β-位几乎没有脂质染色。T：**1 SN3E3\x{e 010}I：**1SN3E3\x{e76f}L：**1SN3E3

分成以下两部分：

2/2小鼠血浆全血及d< 1.006 g/ml密度分数均呈现出广泛的β-迁移模式(图1 B)。

和

相反，3/3的血浆在β位几乎没有脂质染色。

我的代码是：

newData =[]
for item in Data:
    test2= re.split(r" (?:\|.*?\| ?)+", item[0])
    test2 =test2[:-1]
    for tx in test2:
        newData.append(tx)
print len(newData)
print newData

但是，我得到了3项结果，包括一个;。我检查了原来的句子，发现;在|T:**1SP3E3| ; |I:**1SP3E3|中，所以我需要从结果中删除这个;。我将代码修改为

test2= re.split(r" (?:\|.*?\| ?;?)+", item[0])

但我不能得到正确的结果。有人能帮忙吗？非常感谢。

Answer 1

[i.strip() for i in re.sub(r'\|\w:\*\*\w*\|', '', re.sub(r' +', r' ', s.strip())).split(';')]

返回

['Both whole plasma and the d < 1.006 g/ml density fraction of plasma from 2/2 mice show this broad beta-migration pattern (Fig. 1 B)', 'in contrast, 3/3 plasma shows virtually no lipid staining at the beta-position.']

但是，这取决于你的文本是否与你的例子一致。

Answer 2

import re
x="""Both whole plasma and the d < 1.006 g/ml density fraction of plasma from 2/2 mice show this broad beta-migration pattern (Fig. 1 B) |T:**1SP3E3| ; |I:**1SP3E3| |L:**1SP3E3| in contrast, 3/3 plasma shows virtually no lipid staining at the beta-position. |T:**1SN3E3| |I:**1SN3E3| |L:**1SN3E3|"""
print [i for i in re.split(r"(?:\|[^:]*:.*?\|(?:[\s;]+|$))+",x) if i]

输出将如下所示：

“整个血浆和2/2小鼠血浆的d< 1.006 g/ml密度分数都显示出这种广泛的β-迁移模式(图1B)”，“相比之下，3/3的血浆在β-位置几乎没有脂质染色。”

Answer 3

导入re

string = str.strip()用于re.sub中的str (‘\w：**\w+x’，''，string).split(';')

输出结果将是：“整个血浆和2/2小鼠血浆的d< 1.006 g/ml密度分数都显示出这种广泛的β-迁移模式(图1B)”，“相反，3/3血浆在β-位置几乎没有脂质染色。”