我试图使用正则表达式在标点符号上拆分文本，仅当标点符号在单词后面并在空格或字符串末尾使用时。
我试过了([a-zA-Z])([,;.-])(\s|$)
但是当我想在Python中拆分时，它包括单词的最后一个字符。
我想这样分割它：
text = 'Mr.Smith is a professor at Harvard, and is a great guy.'
splits = ['Mr.Smith', 'is', 'a', 'professor', 'at', 'Harvard', ',', 'and', 'a', 'great', 'guy', '.']
任何帮助将不胜感激！
最佳答案
看来您想进行标记化。尝试nltk
http://text-processing.com/demo/tokenize/
from nltk.tokenize import TreebankWordTokenizer
splits = TreebankWordTokenizer().tokenize(text)