正则将段落分割成句子

这里分割段落不区分中英文标点,你可以根据需求改

分割后标点跟随句子后面

def split_sentences_keep_delimiter(text):
    pattern = r'[^。!!??::;;,,]+[。!!??::;;,,]'
    sentences = re.findall(pattern, text)
    last_sentence = re.sub(r'[。!!??::;;;,,]', '', text)
    if last_sentence and not re.search(pattern, last_sentence):
        sentences.append(last_sentence.strip())
    return sentences[:len(sentences)-1]

在这里插入图片描述

分割后去掉标点只保留文本

import re

def split_text_with_punctuation(text):
    split_sentences = re.split(r'[。.!!??::;;,,]', text)
    return split_sentences

text = "你好,世界!这是个测试。看看是否有效?当然,它会的。"
print(split_text_with_punctuation(text))

在这里插入图片描述

分割后标点和文本分开

import re

def split_text_with_punctuation(text):
    split_sentences = re.split(r'([。.!!??::;;,,])', text)
    return split_sentences

text = "你好,世界!这是个测试。看看是否有效?当然,它会的。"
print(split_text_with_punctuation(text))

在这里插入图片描述

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值