Python在Xth senten后面剪了一条线

Question

我必须剪切一个unicode字符串，它实际上是一篇文章（包含句子），我想在python的第Xth个句子之后剪切这篇文章的字符串。在

判断句子结尾的一个很好的指标是它以句号（“.”）结尾，单词以大写名称开头。例如

myarticle == "Hi, this is my first sentence. And this is my second. Yet this is my third."

如何做到这一点？在

谢谢

Answer 1

考虑下载自然语言工具包（^{}）。然后，你可以创建一些句子，不会因为“U.S.A.”或无法拆分以“？！”结尾的句子。在

>>> import nltk
>>> paragraph = u"Hi, this is my first sentence. And this is my second. Yet this is my third."
>>> sentences = nltk.sent_tokenize(paragraph)
[u"Hi, this is my first sentence.", u"And this is my second.", u"Yet this is my third."]

您的代码变得更加可读。要进入第二句话，你要用你习惯的符号。在

^{pr2}$

Answer 2

这里有一个更可靠的解决方案：

myarticle = """This is a sentence.
   And another one.
   And a 3rd one."""

N = 3  # 3 sentences

print ''.join(sentence+'.' for sentence in re.split('\.(?=\s*(?:[A-Z]|$))', myarticle, maxsplit=N)[:-1])

与前面提到的其他一些可能性相比，此解决方案有一些优势：

1. 即使在你的文本中确实有N个句子，它也能工作。其他一些答案在结尾处产生一个双.。考虑到最后一个句子后面不是大写字母，而是文本的结尾（$），可以避免这种情况。

2. 即使在文本中少于N个句子，这种方法仍然有效。

3. 拆分的数量由maxsplit参数限制为re.split()，这限制了拆分的数量，因此非常有效。

希望这有帮助！在

Answer 3

如果可以有其他标点符号而不是通常的“.”，您可能应该尝试以下操作：

re.split('\W(?=[A-Z])',ss)

这将返回句子列表。当然，它没有正确地处理保罗提到的案例。在