最近的一个项目让我需要将传入的短语(作为字符串)拆分成它们的组成句子。例如，这个字符串:
“你妈妈是一只仓鼠，你爸爸闻起来有接骨木果的味道!现在走开，否则我会 mock 你第二次。你知道吗，没关系。这整句话太愚蠢了。不会'你不同意吗？我想是的。”
需要变成一个由以下元素组成的列表:
["Your mother was a hamster, and your father smelt of elderberries",
"Now go away, or I shall taunt you a second time",
"You know what, never mind",
"This entire sentence is far too silly",
"Wouldn't you agree",
"I think it is"]
就此函数而言，“句子”是以 !、? 或 结尾的字符串。 请注意，标点符号应如上所示从输出中删除。
我有一个可用的版本，但它很丑陋，前导和尾随空格，我忍不住认为有更好的方法:
from functools import reduce
def split_sentences(st):
if type(st) is not str:
raise TypeError("Cannot split non-strings")
sl = st.split('.')
sl = [s.split('?') for s in sl]
sl = reduce(lambda x, y: x+y, sl) #Flatten the list
sl = [s.split('!') for s in sl]
return reduce(lambda x, y: x+y, sl)
请您参考如下方法:
使用 re.split 来指定匹配任何句末字符(以及任何后续空格)的正则表达式。
def split_sentences(st):
sentences = re.split(r'[.?!]\s*', st)
if sentences[-1]:
return sentences
else:
return sentences[:-1]
