python - 用单个句号替换多个句号

如何用一个句号替换多个句号，以便 NLTK 句子标记器可以将它们区分为 2 个不同的句子

例如

a = "the food was good...what about the bread huh..Awesome"

如果我使用
nltk.sent_tokenize(a)
它给了我

['the food was good...what about the bread huh..Awesome']

但我想要的是

['the food was good.', 'what about the bread huh.', 'Awesome']

我该怎么做呢？

最佳答案

您可以通过使用 regex and substitute 来做到这一点，多个点的出现仅由一个点组成，如下所示:

#!/usr/bin/env python3
# coding: utf-8

import re

a = "the food was good...what about the bread huh..Awesome"
a_replaced = re.sub(r'\.+', ".", a)

给你:

'the food was good.what about the bread huh.Awesome'

另外，我会给你一个关于它是如何工作的小解释。 re.sub() 接受一个应该被替换的 regex 模式。在我们的例子中，这是 r'\.+' 。

因此，让我们更深入地了解这种模式。由于您正在寻找点 .，我们需要捕获它们。然而，通常在正则表达式中使用点号 . 来匹配任何不是我们想要实现的字符。为了匹配点 . 而不是任何字符，我们需要通过在给出 \. 的点前面添加反斜杠来转义这个字符。

由于我们想要找到任何出现的点，并且我们不知道会有多少个点，我们只是在寻找“一个或更多”，我们通过将 + 附加到我们的匹配组 /. 来实现。

现在，我们有了一个有效的正则表达式:/.+，我们将其作为 r'\.+' 传递，以向 Python 表明这是一个正则表达式而不是普通字符串。接下来，如 re.sub() docs 中所述，我们需要指定一个我们想要放置的字符串，而不是我们的正则表达式模式。这只是一个单点 "."，因为您想用一个点替换多个点。我们传递的第三个参数是您的字符串 a，我们需要在其中进行所需的替换。

我不想做广告，但为了快速了解 Python 中的正则表达式，我可以建议 this cheat sheet 。

关于python - 用单个句号替换多个句号，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/34104206/