如何将文本拆分成句子? [英] How can I split a text into sentences?

查看:48
本文介绍了如何将文本拆分成句子?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我有一个文本文件.我需要得到一个句子列表.

I have a text file. I need to get a list of sentences.

如何实现?有很多微妙之处,例如在缩写中使用点.

How can this be implemented? There are a lot of subtleties, such as a dot being used in abbreviations.

我的旧正则表达式效果不佳:

My old regular expression works badly:

re.compile('(\. |^|!|\?)([A-Z][^;↑\.<>@\^&/\[\]]*(\.|!|\?) )',re.M)

推荐答案

The Natural Language Toolkit (nltk.org) 有你需要的.此群组发帖表明这样做了:

The Natural Language Toolkit (nltk.org) has what you need. This group posting indicates this does it:

import nltk.data

tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')
fp = open("test.txt")
data = fp.read()
print '\n-----\n'.join(tokenizer.tokenize(data))

(我没试过!)

这篇关于如何将文本拆分成句子?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!

查看全文
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆