这是一个创建于 3146 天前的主题，其中的信息可能已经有所发展或是发生改变。
床下睡着一个 IBM 啥奖啥奖的舍友真是有种想舔大腿的冲动，是的，抱大腿已经不能满足我了。
网上 python 中文分句的脚本一般都是 split 或者建一个分割标点 list ，用 for word in words 的循环来搞，然后大神就给我写了一个，核心就是下面这句
for s in re.findall(u'.*?[！|,|，|。|...|？|?|!|；|~|～|。|：：]+',line+u'：：')；
其中
findall 解决了 split 不保留标点的问题；
.*?[]+解决了多标点的分割问题，比如“握日！！！”，但是这个正则并没那么简单，大神说这叫贪婪，我这就拿笔记下来；
line+u'：：'解决 用split方法，当文档最后一个不是标点的时候会把最后一句话都删掉的问题；
当然这个脚本还是不能解决书名号里面有标点时候的分割问题，主要我没问，问了估计就是一句“用正则”回我，哎人家是 1 秒两行有效代码，我是 1 天两行有效代码嘤嘤嘤
网上 python 中文分句的脚本一般都是 split 或者建一个分割标点 list ，用 for word in words 的循环来搞，然后大神就给我写了一个，核心就是下面这句
for s in re.findall(u'.*?[！|,|，|。|...|？|?|!|；|~|～|。|：：]+',line+u'：：')；
其中
findall 解决了 split 不保留标点的问题；
.*?[]+解决了多标点的分割问题，比如“握日！！！”，但是这个正则并没那么简单，大神说这叫贪婪，我这就拿笔记下来；
line+u'：：'解决 用split方法，当文档最后一个不是标点的时候会把最后一句话都删掉的问题；
当然这个脚本还是不能解决书名号里面有标点时候的分割问题，主要我没问，问了估计就是一句“用正则”回我，哎人家是 1 秒两行有效代码，我是 1 天两行有效代码嘤嘤嘤
 |
1
simoncos 2016-10-03 12:05:03 +08:00
啊真应该抽时间学学正则了
|
 |
2
yucongo 2017-06-17 17:31:03 +08:00
[...] 的用法貌似有少少问题，不像是大神级写出来的正则，那些"|"不是在[...]里用的东西，或者是你抄错了？
|
Select Language