我在python中使用NLTK。我理解它在其word标记化函数(如TreebankWordTokenizer.tokenize() )中使用正则表达式，但它使用经过训练的模型(泡菜文件)进行语句标记化。我不明白他们为什么不用训练来标记单词？这是否意味着句子标记是一项更艰巨的任务？
浏览 2提问于2016-12-22得票数 0
回答已采纳
1回答
给出一段话，我想把它分成几个句子。现在我只是在做这件事：
var sentences = paragraph.split('.');
它在很大程度上起作用，但是当给出这样一个句子时，它就会失败：
阿拉斯加是美国最大的州。
因为U.S.有句点，所以它将S解析为一个句子。
确定段落中句子的最佳方法是什么？我考虑过根据国会信之前的最后一个句号来解析它们，但是如果段落没有很好地输入(句号后的小写字母)，它也会失败。
浏览 0提问于2013-05-26得票数 1
在我的XPage中，我有一个计算字段，它显示几行文本。我希望显示字段内容，以便每个句子显示在新行上，即格式化输出，以便在每个句子中添加一个换行符。我该怎么做？
浏览 2提问于2014-01-27得票数 0
回答已采纳
我试图将一个文本文件解析成以句点结尾的句子，但是像霍普金斯先生这样的名字在句点匹配时发出了错误的警报。
正则表达式标识“。但不是“先生”
作为奖励，我也在使用！为了找到句子的结尾，所以我当前的正则表达式是/(!/./，我也想要一个包含我的！的答案。
浏览 2提问于2010-06-01得票数 10
回答已采纳
1回答
验证句子或段落
、、
我在试着验证一个句子。它以字母开头，包含数字和特殊字符，例如'-，()，并且可以以:或。我正在试图找到一个可以与下面的模式匹配的表达式。
I'm trying to-achieve such(this), kind of pattern:
我试过使用^ at +(‘/-{0，1}+(){0，1}，{0，1})+a-Za-Z0-9.+？)+$，但在获得'，’结束后‘’后，在空格后面遇到了问题。
有人能帮帮我吗。谢谢
浏览 5提问于2015-07-21得票数 1
1回答
我有一行我想用awk分隔成句子。我已将字段分隔符设置为“。”并使用-F.循环打印抓取的句子。但正如所料，它也会将虚线缩略语分开。
例如，我有一行：
我出生于1990年。特别是1990年8月13日。等等
它所做的是输出：
我出生于1990年
特别是八月
13,1990年
等等
尽管我想要的是
我在1990年
特别是在1990年8月13日
等等
绕开上述缩略语最简单的方法是什么？.给-F足够了吗？
编辑缩写词是几个月。
浏览 4提问于2015-11-20得票数 1
回答已采纳
有没有把英语文档拆分成句子的好方法？我的意思是英文文档中经常包括美国先生等等，很难区分他们。我们需要一个特殊的自然语言库来完成这个任务吗？我怀疑我们需要它。
谢谢。
浏览 2提问于2012-01-17得票数 1
使用正则表达式，查找包含结束前句点的句子。句子以.jpg结尾，我想找到那些在.jpg之前有句点的句子，例如：
picture-of-united-states-01.jpg
picture-of-united-states.01.jpg
简而言之，如果在此之前任何句子以两个句点结尾，则返回值.。
我希望我的结果是：
picture-of-united-states.01.jpg
请注意:句子长度没有一致性。我的意思是，我有100多张图片，名字如下：
picture-of-united-states-01.jpg
picture-united-01.jpg
浏览 3提问于2017-12-14得票数 0
我需要把一段话分成几个句子。所以这意味着在每个句号之后拆分，但我也必须考虑到句子可以包含缩写，例如Anniv。林诺尔。我做了一个正则表达式，使用lookbehind来匹配句点之前的任何缩写。我按照如下的缩写列表动态创建正则表达式：
String regex = "(?<!abbrev1)(?<!abbrev2)\\.";
//abbrev 1 and abbrev 2 are just examples the regex I use is much longer
//Then I split the paragraph
parag
浏览 0提问于2014-01-02得票数 1
我想把我的文本分成几个句子，每个句子都以.结尾，但不包括小数点的数字。
我用了分裂函数。但是它把数字分成两部分，我不想把数字分开。
例子：
我的包一个坐骑是85.5每天，我如何利用它。任何一个人都有这个想法。请让我知道。
应分裂为：
我的包是每日85.5，我如何使用它？
任何一个人都有这个想法
请让我知道
浏览 1提问于2015-03-23得票数 4
回答已采纳
2回答
我很难弄清楚如何获取一个冗长文档的文本文件，并将该文本文件中的每个句子附加到一个列表中。并非所有句子都会以句点结尾，因此必须考虑所有结束字符，但也可以有一个‘’。在一个句子中，所以我不能在一个句点上停止搜索一个句子。我假设这可以通过添加一个条件来解决，在句号之后应该跟一个空格，但我不知道如何设置，所以我将文本文件中的每一句话作为元素放入一个列表中。
我正在编写的程序基本上允许用户输入关键字搜索(key)，并在找到关键字的句子之前和之后输入要返回的句子数量(value)。因此，它或多或少是一个研究助手，这样用户就不需要阅读大量的文本文件来找到他们想要的信息。
根据我到目前为止所学的知识，把句子放
浏览 1提问于2014-11-30得票数 0
回答已采纳
3回答
我正在寻找一种从句子中提取单词的方法。我非常赞同下面的表达式：
\b([a-zA-Z]+?)\b
但在某些情况下，当我不希望它计算一个单词时，它会将其计算在内。例如，一个单词后面跟着一个以上的句号，如"text..“。因此，在我的正则表达式中，我希望句点在单词的末尾为零或一次。插入\.?并没有起到作用，它的变体也没有产生任何有用的结果。
希望有人能帮忙！
浏览 0提问于2011-01-05得票数 0
回答已采纳
2回答
我试图创建一个函数来计算任何一个或多个句子中的单词数和单词的平均长度。我似乎不能把字符串分成两个句子，放在一个列表中，假设这个句子有句号并结束这个句子。
["Haven't you eaten 8 oranges today", "I don't know if you did"]The 问号和感叹号应替换为句点，以便在列表中识别为新句子。例如：："Haven't you eaten 8 oranges today? I don't know if you did." in :该示例的平均长度为44/12 = 3.
浏览 2提问于2020-10-23得票数 0
我正在尝试写一个正则表达式，这个表达式将在一个句子列表中找到“松鼠”这个词。这个表达式应该返回一个包含单词“松鼠”的完整句子列表。
含有“松鼠”一词的句子可能如下所示：
松鼠有一条长尾巴(.)说(.)长尾巴。
猫(a)n(d)松鼠(a)n(d)兔子(a)n(d)兔子(a)n(d)
squirrel+has a尾部
我现在拥有的re如下所示
word_only += re.findall('(.*?' + word + '?!\S)', sentence)
word_only += re.findall('.*?' + word + '
浏览 2提问于2012-05-25得票数 1
我已经看到了很多与我的问题相关的问题，但我似乎仍然无法让我的具体示例发挥作用。我在一个由几个句子串在一起的文件中有一些数据。我试图将句子分成一个列表，每个句子都是列表中的一个元素。但是，当我拆分一个句点后跟一个空格时，我会丢失列表中所有元素中的句号(除了最后一个元素)。我从这个开始： text = "This sentence. And this one. One more." 所需输出： ["This sentence.", "And this one.", "One more."] 目前我是通过做text.split(&#
浏览 23提问于2016-07-11得票数 1
回答已采纳
我有以下几段：
<p>This is a first paragraph.</p>
<p>This is a second</p>
<p>A third paragraph is here.</p>
<p>And a fourth</p>
第二和第四段在句子末尾没有句号。有没有办法选择这些段落，然后用jquery/javascript删除它们？
浏览 0提问于2012-04-03得票数 1
回答已采纳
1回答
我有一根绳子，像：
Linux (发音为/ˈlɪnəks/ LIN-əks或较少频繁的/ˈlaɪnəks/ LYN-əks)是在自由和开放源码软件开发和分发模式下组装的类似Unix的计算机操作系统。
我想在python中编写一个正则表达式，它捕获像上面这样的句子，其中包含一个关键字(在本例中是Linux)，后面是可选括号，后面是强制性的"is“或"are”。
浏览 3提问于2016-12-19得票数 0
1回答
我的PHP脚本调用Freebase并输出一个段落，然后对其执行一些正则表达式和其他解析操作，并将数据返回给变量$paragraph。这一段由多个句子组成。我想要做的是返回一个较短的段落版本而不是。
我想展示第一句。如果它小于100个字符，那么我想显示下一个句子，直到它是至少100个字符。
我该怎么做？
浏览 0提问于2013-08-10得票数 1
回答已采纳
1回答
我正在尝试使用一个循环，在我添加到.txt文件中的句子中添加一个句号。
但是，每次运行循环时，我都会看到我的结果以每次添加句点的代码结束。
sentences = input_file.read()
matches = re.finditer("('The dog is happy",sentences,re.MULTILINE)
if matches:
for match in matches:
temp_match = match[1]
sentences = sentences.replace(tem
浏览 3提问于2017-10-30得票数 0
LaTeX尝试猜测句点是否结束了一个句子，在这种情况下，它会在句子后面加上额外的空格。这里有两个错误猜测的例子：
I watched Superman III. Then I went home.
(“超人3”后面的空间太小了。)
After brushing teeth etc. I went to bed.
(“etc.”后面的空格太多。)
请注意，您在LaTeX源代码中使用了多少空格并不重要，因为LaTeX会忽略这些空格。
浏览 3提问于2010-01-08得票数 55
回答已采纳
1回答
下面的regex应该充当一个句子标记器模式，但是我很难理解它到底在做什么：
(?<!\w\.\w.)(?<![A-Z][a-z]\.)(?<![A-Z]\.)(?<=\.|\?|\!)\s
我知道它使用的是正反向查找，正如的公认答案所解释的那样(他们给出了下面这样的负面查找示例：(?<!B)A)。但是，在上面的正则表达式中，什么是A？
浏览 1提问于2020-07-23得票数 0
回答已采纳
1回答
我要做的不是在段落的句子计数中包含将出现在段落中的十进制值。
例如，我有一种情况，在我的段落中，它们可能包含像"0.1344“这样的小数或像"5.00153.09”这样的代码。我怎么能不在我的句子计数中包括这些句号呢？
浏览 0提问于2018-09-14得票数 0
2回答
我在这方面真的是新手，我以前只见过它，这是我第一次尝试。我正在尝试获取任何以"Photo“开头并以句点结尾的句子。我想我不明白如何用‘’结束正则表达式搜索。这就是我到目前为止得到的：
(^[Photo]{5}[a-zA-Z0-9\w\W]*[\.]$)
我希望它能够从这个字符串中提取以照片开头的句子：
This is some text. Photo is by you. Some more text. Photo created by me. Some more text. Photo via the internet.
编辑-我正在做的是写一个php函数，它会拉出以"pho
浏览 1提问于2015-06-17得票数 0
所以我有一段文字：
Presedintele al Miscarii Populare，Eugen Tomac，sustine ca燃料沉积公司strada Pajurei，第1区，spatele acestei actiuni s-ar afla &，Tomac Mediafax。& &，a scris Eugen Tomac pe Facebook.Tomac a mai，intr-o宣告性de presa，ca locuitorii din strada Pajura ar fi primit mesaje，在numele PMP中。&，一株麦芽，一种麦
浏览 5提问于2016-03-19得票数 1
回答已采纳
2回答
将段落转换为句子
、、、
我正在寻找从包含不同类型标点符号的段落中提取句子的方法。首先，我用了SpaCy's Sentencizer。
示例输入python列表abstracts：
["A total of 2337 articles were found, and, according to the inclusion and exclusion criteria used, 22 articles were included in the study. Inhibitory activity against 96% (200/208) and 95% (312/328) of the pathoge
浏览 0提问于2021-01-11得票数 5
回答已采纳
2回答
我有一些文本，在Python中有一个带有阅读模块的任务：“查找作为句子开头词的字典。
换句话说，如果一个单词在句子的开头，就把它包含在字典中。“这个文件是.txt，它包含大约10-15段。
你对如何改进它有想法吗？
f = open("1.txt", encoding="UTF-8")
words = [line.split(maxsplit=1)[0] for line in f if line.strip()]
for line in f:
if line.strip():
words.append(line.split(maxspl
浏览 6提问于2021-05-12得票数 1
回答已采纳
需要正则表达式来匹配xxxx.xxxx模式，但不包括$"xxxx.xxxx“的句子
示例
"$xxxx.xxxxx"
aaaa.aaaaaa
bbbb.bbbbb
"$gggg.hhhh"
我的雷克斯
(\w+\.\w+)[^"]
实际效果
xxxx.xxxx
aaaa.aaaaaa
bbbb.bbbbb
gggg.hhh
预期结果
aaaa.aaaaaa
bbbb.bbbbb
浏览 2提问于2022-11-30得票数 0
我的数据集中有两个句子：
w1 =我是猫普希恩，我太可爱了。#后无空位
w2 =我是猫普希恩。我真可爱。#在周期后加上空格
当我使用NKTL标记器(包括单词和发送)时，nltk无法区分之间的cat.I。
这是word标记
>>> nltk.word_tokenize(w1, 'english')
['I', 'am', 'Pusheen', 'the', 'cat.I', 'am', 'so', 'cute']
>>>
浏览 0提问于2017-07-01得票数 4
回答已采纳
3回答
我想要大写句子的第一个字母，如果可能的话，还有逗号后面的第一个字母。我想在这里添加代码：
.qcont {
width: 550px;
height: auto;
float: right;
overflow: hidden;
position: relative;
}
浏览 0提问于2012-06-21得票数 63
回答已采纳
1回答
我正在寻求帮助，使这个代码更准确。对于任何给定的文本($my_block_of_text)，下面的脚本将根据句号、感叹号和类似的句子结束标点符号的位置将内容分解成句子。
$parts = preg_split('/([.?!:\]])/', $my_block_of_text, -1, PREG_SPLIT_DELIM_CAPTURE);
$sentences = array();
for ($i=0, $n=count($parts)-1; $i<$n; $i+=2) {
$sentences[] = $parts[$i].$parts[$i+
浏览 0提问于2015-03-25得票数 0
回答已采纳
2回答
我是一个新手，正在尝试NLP中的句子切分。我知道在NLTK中也有同样的标记器可用。但我想使用机器学习算法建立自己的句子分词系统，比如决策树。但是我不能为它收集训练数据。数据应该是怎样的。既然我想首先尝试使用监督学习，那么它应该如何标记。是否有已有的样本数据？任何帮助都将是有用的。我在网上搜索了将近一个星期，现在也发了同样的信息寻求帮助。提前谢谢。
浏览 0提问于2017-05-24得票数 0
我试图使用Regex提取标题、大写短语和句子中出现的单词。
迄今所作的努力：
(?:[A-Z][a-z]+\s?)+
当应用于下面的示例句子时，这个regex代码会找到那些显示为粗体的单词。但是我需要忽略像这样的单词和是否(句子开头)。
例句：
this 是一个示例语句，用于检查该代码的实值。，无论是，还是，，都取决于结果。
Expectation:
这是一个示例语句，用于检查此代码的真实值。它是工作还是不工作，取决于结果。
有用代码：
import regex as re
text='This is a Sample Sentence to check the Real Va
浏览 3提问于2020-05-23得票数 1
回答已采纳
我试着用正则表达式来计算文本中的句子数。我想出了一个regex1，找出了所有要点：
([^.!?\s][^.!?]*)
在此之后，我试图通过以下regex2找到大多数缩略语：
([A-Z]+[a-z]{0,3}\.).
然而，我有几个问题：
如果首字母缩略词位于句子的末尾，就可以找到(例如，自公元前20,000年以来)。用regex2公式。这不是故意的，我只想在句子中找到缩略词。
如果我们假设problem1已经解决了，我想把这两个正则表达式合并在一起，这样最后的公式只能输出句子的实数。例如，我们可以考虑维基百科的下列文本：
美国国家航空航天局(NASA)是负责民用空间计划以
浏览 3提问于2015-04-16得票数 5
我需要提取以点'.'结尾的句子，但不要在' ...' (空白和三个点)中提取句子的结尾。
示例：
I love you.
I love you too ...
我想要匹配第一句而不是第二句。
I图像python样式伪代码：
for string in strings:
checker1 = (string == .)
if checker:
checekr2 = (prev_string(string) != blank)
if checker2:
extract_all_strings()
浏览 0提问于2018-11-26得票数 0
回答已采纳
我正试图把一段话分成几个字。我手头上有一个可爱的nltk.tokenize.word_tokenize(发送)，但是help(word_tokenize)说，“这个标记器被设计成一次处理一个句子。”
有没有人知道，如果你把它用在一个段落上，比如最多5个句子，那会发生什么？我自己也试过几段短短的段落，这似乎很有效，但这还不是决定性的证据。
浏览 0提问于2013-10-15得票数 6
回答已采纳
我怎样才能找到结尾有问号的所有句子？特别是紧跟在.之后的字符，并包括?。注意：，在我想要捕捉的字符之间会有不同的字符，例如\n...etc
此链接有助于
示例案文：
now"? She said, "I feel great". Then I said to her, "All right, would
you mind leaving the room for a minute or two? This is part of the
exercise". So she did. While she was away, I said to the o
浏览 1提问于2019-08-22得票数 0
移除标点符号有很多可用的地方，但我似乎找不到任何东西保留它。
如果我这样做了：
from nltk import word_tokenize
test_str = "Some Co Inc. Other Co L.P."
word_tokenize(test_str)
Out[1]: ['Some', 'Co', 'Inc.', 'Other', 'Co', 'L.P', '.']
最后一个“。被推入自己的标记中。然而，如果最后还有一个词，那就是“最后一个”。保存如下
浏览 0提问于2017-02-07得票数 3
回答已采纳
看着，DEFAULT_BOUNDARY_REGEX = "\\.|[!?]+";让我认为文本会被分割成基于.、!和?的句子。
但是，如果我将字符串D R E L I N. Okay.作为输入传递，例如使用命令行接口：
java -cp "*" -Xmx2g edu.stanford.nlp.pipeline.StanfordCoreNLP
-annotators tokenize,ssplit -file test.txt
它只返回一个句子D R E L I N. Okay.，而不是两个句子['D R E L I N.
浏览 1提问于2015-06-16得票数 1
回答已采纳
1回答
句子匹配与正则表达式
、、、
我有一个文本，分裂成许多行，没有特定的格式。因此，我决定对每一行进行line.strip('\n')。然后，我想使用句子结束标记.将文本分割成句子，考虑到：
周期.，后面跟着一个\s (空格)，\S (像" ')，然后是[A-Z]。
而不是像[0-9]\.[A-Za-z]那样分裂1.stackoverflow real time solution。
我的程序只解决了一半的1周期(.)然后是A \s和and。以下是代码：
# -*- coding: utf-8 -*-
import re, sys
source = open(sys.argv[1
浏览 1提问于2013-08-04得票数 3
回答已采纳
我在做java项目，我需要计算点的数量，！然后呢？一根绳子。我目前的方法是使用regex。我使用了以下代码，但它没有给出正确的结果。
for(int i=0; i<words.length; i++){
String w = words[i];
if(w.matches("(.)+[.!?]")){
count++; //increasing the count.
}
}
对于其他函数，我已经将字符串转换为单词数组。所以我要用它来做这个。
我想把每一个点的数目增加一个，！或者？表示句子的
浏览 1提问于2015-02-08得票数 0
回答已采纳
1回答
我希望使用AWK替换csv文件中的几个字符，具体取决于它们周围的字符。
例如，在这一行中：
例1；示例1；示例1；示例1
我想将所有大写“E”替换为"EE“，如果它们位于一个只使用大写字母的单词中，则用"Ee”替换为“Ee”，如果它们位于大写和小写字母或缩写中(比如E，它是一个附加文件，所以在任何情况下，这都不可能是句子的结尾)，所以应该如下所示：
例1；例1；EEXAMPLEE
现在我尝试的是：
{if ($0 ~/E[A-Z]+/)
$0 = gensub(/E/,"EE","g",$0)
else if ($0 ~/[A-Z]E/)
浏览 2提问于2015-02-25得票数 2
回答已采纳
1回答
在r中的列表中命名元素
、、、
我有一个包含21个字符串的列表，名为"r1score.list“。我是通过从文件夹读取文本文件来列出这个列表的。然后，我将每个txt放到一个数据框架中，并将它们放到另一个名为“r1.core”的列表中。(您可以忽略函数(X){sortertoDF(X)}，因为我正在调用我在其他地方编写的函数来操作数据)。
r1score.list <- dir(pattern="*.txt")
> r1score.list
[1] "p01_control.txt" "p02_control.txt" "p03_contr
浏览 0提问于2014-02-20得票数 0
回答已采纳
做一些文本格式化和分析--我有一大块文本，我试图把它们分成不同的句子。显然，explode可以轻松地使用每个句子末尾的标点符号。
我遇到的问题是，正常的语言也包含不表示句子结束的句点，比如小数和缩写。例如，“一个团队预计他们将打破1991年创下的92.49%的效率纪录。”将产生两句话，第二句以"49%“开头。这就是我想要避免的。
我可以在不影响我的分析的情况下安全地删除这些中间句号，但是我需要保持每一个字符串的完整--这就是我遇到麻烦的地方。在以上小数点的情况下，我可以将字符与$str = preg_replace("/[\.]+[0-9]/", "",
浏览 5提问于2014-10-31得票数 1
2回答
我必须从给定的字符串中提取一个完整的句子，其中必须存在所需的字符。比如，我有一个搜索键“不同点主题”，我正在搜索“我们的社区是由帮助中心的一组特定主题定义的；请坚持这些主题，避免征求意见或开放式讨论。如果您的问题是关于站点本身的，请在我们的元讨论站点上询问。如果您正在寻找不同的主题，它可能会被另一个Stack Exchange站点覆盖。”
在我的搜索之后，我希望它返回完整的句子“*如果您正在寻找一个不同主题的，它可能会被另一个Stack Exchange站点所覆盖。*”。
这是包含我搜索键的完整句子。
为此，我使用了以下方法，但没有得到适当的输出：
substr($fp, strpos($fp
浏览 4提问于2017-02-22得票数 0
回答已采纳
2回答
如何从输入中获取句子数？
、、、
在文本中检测句子边界似乎很困难。引号，如.!？我正在研究的Tperlregex库和正则表达式Cookbook，但我不知道如何编写检测句子的表达式？
在delphi中使用Tperlregex可以比较准确地表达什么？
谢谢
浏览 0提问于2011-04-20得票数 7
回答已采纳
到目前为止，我有一个相当坚实的正则表达式，它将选定的文本扩展到句子中。有一个特例我还没能解决。
/[.:!?]([^.:!?]*?SELECTED TEXT\..*?[.:!?])/g
如果我选择文本和标点符号在选择的最末尾，当前正则表达式也包括下一个句子。如果不发生那就太好了。
下面是一个例子：
浏览 0提问于2015-08-24得票数 0
回答已采纳
我使用Emacs来写研究论文(其中包括很多文本..对)。我总是想从一个句号(.)到另一个句点-基本上，从句子的开头移动到句子的结尾(反之亦然)。我没有找到任何这样做的键映射(M-a，M-e，C-x C-t不是我需要的)。我没有太多使用elisp的经验。如果有人能指出我和现有的键映射或函数，我将不胜感激。
提亚
S.
浏览 1提问于2010-11-08得票数 2
回答已采纳
我有一个很大的语料库，它是在句子级别进行分割的。这意味着每行包含一个句子。其中一些行以句号(句号)结尾，有些则不是。我正在寻找一种有效的方法来在不以一个句号结尾的行的末尾添加句号。例如，可以从sed或awk中受益的shell脚本来完成此任务。
浏览 0提问于2013-04-09得票数 2
回答已采纳
假设我有一个字符串，比如
s=""" Bob sent some money to Ana. It was 10.23 dollars. Ana thanked him.
"""
我希望输出是
Bob sent some money to Ana. It was dollars. Ana thanked him.
所以基本上只保留了标志句子结束的字母和句号。删除数字之间的非字母字符和句号。
我正试着用
re.sub(r"[^A-za-z.\n]"," ",s)
但这显然会将这段时间保持在no之间。并给出
浏览 0提问于2018-03-26得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
