分 句 分句 分句
方法一:使用python实现中文分句:
def cut_sentences(content):
# 结束符号,包含中文和英文的
end_flag = ['?', '!', '。', '…','.']
content_len = len(content)
sentences = []
tmp_char = ''
for idx, char in enumerate(content):
# 拼接字符
tmp_char += char
# 判断是否已经到了最后一位
if (idx + 1) == content_len:
sentences.append(tmp_char)
break
# 判断此字符是否为结束符号
if char in end_flag:
next_idx = idx + 1
if content[next_idx]=='”': #如果是前面一个位置是结束符号,后一个位置是”,则分句时,将”放在前一句话
tmp_char += content[next_idx]
if content[next_idx] not in end_flag:
# 再判断下一个字符是否为结束符号,如果不是结束符号,则切分句子
if tmp_char[0]=='”': #去掉第一个位置的”
tmp_char = tmp_char[1:]
sentences.append(tmp_char)
tmp_char = ''
return sentences
content = "句号。问号?叹号!“双引号。”英文省略号......汉语省略号……"
sentences = cut_sentences(content)
print('\n'.join(sentences))
方法二:使用正则表达式
import re
def cut_sent(para):
para = re.sub('([。!?\?])([^”’])', r"\1\n\2", para) # 单字符断句符
para = re.sub('(\.{6})([^”’])', r"\1\n\2", para) # 英文省略号
para = re.sub('(\…{2})([^”’])', r"\1\n\2", para) # 中文省略号
para = re.sub('([。!?\?][”’])([^,。!?\?])', r'\1\n\2', para)
# 如果双引号前有终止符,那么双引号才是句子的终点,把分句符\n放到双引号后,注意前面的几句都保留了双引号
para = para.rstrip() # 段尾如果有多余的\n就去掉它
return para.split("\n")
content = "句号。问号?叹号!“双引号。”英文省略号......汉语省略号……"
sentences = cut_sent(content)
print('\n'.join(sentences))
方法三:使用LTP
from pyltp import SentenceSplitter
content = '句号。问号?叹号!“双引号。”英文省略号......汉语省略号……'
sents = SentenceSplitter.split(content)
for sent in sents:
print(sent)
(LTP方法英文省略号不行)