我想打开一个文件并获得句子。文件中的句子是跨行的，如下所示：
"He said, 'I'll pay you five pounds a week if I can have it on my own
terms.' I'm a poor woman, sir, and Mr. Warren earns little, and the
money meant much to me. He took out a ten-pound note, and he held it
out to me then and there.
目前，我正在使用此代码：
text = ' '.join(file_to_open.readlines())
sentences = re.split(r' *[\.\?!][\'"\)\]]* *', text)
readlines删掉句子，有没有解决这个问题的好方法，让它仅获取句子？（没有NLTK）
当前问题：
file_to_read = 'test.txt'
with open(file_to_read) as f:
text = f.read()
import re
word_list = ['Mrs.', 'Mr.']
for i in word_list:
text = re.sub(i, i[:-1], text)
我得到的（在测试案例中）是，太太换了先生，而先生只是先生。我尝试了其他几件事，但似乎没有用。答案可能很简单，但我很想念
如果执行此操作，则您的正则表达式适用于上面的文本：
with open(filename) as f:
text = f.read()
sentences = re.split(r' *[\.\?!][\'"\)\]]* *', text)
唯一的问题是，正则表达式在“先生”中的点上分开。从上面的文本中，因此您需要修复/更改该问题。
解决这个问题的方法（虽然不是完美的）是，您可以消除Mr后面出现的所有点的情况：
text = re.sub(r'(M\w{1,2})\.', r'\1', text) # no for loop needed for this, like there was before
匹配一个'M'，后跟最少1个字符，最多2个字母数字字符（\ w {1,3}），后跟一个点。模式的括号部分被分组并捕获，在替换中被称为'\ 1'（或组1，因为您可能会有更多的括号组）。因此从本质上讲，先生或太太是匹配的，但是只捕获了先生或太太部分，然后用不包括点的捕获部分替换了先生或太太。
进而 ：
sentences = re.split(r' *[\.\?!][\'"\)\]]* *', text)
将以您想要的方式工作。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句