您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)在python中分句的方法,小編覺得挺實用的,因此分享給大家做個參考,希望大家閱讀完這篇文章后可以有所收獲。
在處理文本時,會遇到需要將文本以 句子 為單位進(jìn)行切分(分句)的場景,而文本又可以分為 中文文本 和 英文文本 ,處理的方法會略有不同。本文會介紹 Python 是如何處理 分句 的。
分句的關(guān)鍵是找到合適的結(jié)束符號,比如:中文里的 。,英文里的 . 等,而且,在這一點上中英也是有很大區(qū)分的。
這里介紹一種純用 Python 實現(xiàn)的分句函數(shù)。
def cut_sentences(content): # 結(jié)束符號,包含中文和英文的 end_flag = ['?', '!', '.', '?', '!', '。', '…'] content_len = len(content) sentences = [] tmp_char = '' for idx, char in enumerate(content): # 拼接字符 tmp_char += char # 判斷是否已經(jīng)到了最后一位 if (idx + 1) == content_len: sentences.append(tmp_char) break # 判斷此字符是否為結(jié)束符號 if char in end_flag: # 再判斷下一個字符是否為結(jié)束符號,如果不是結(jié)束符號,則切分句子 next_idx = idx + 1 if not content[next_idx] in end_flag: sentences.append(tmp_char) tmp_char = '' return sentences content = '在處理文本時,會遇到需要將文本以 句子 為單位進(jìn)行切分(分句)的場景,而文本又可以分為 中文文本 和 英文文本 ,處理的方法會略有不同。本文會介紹 Python 是如何處理 分句 的。' sentences = cut_sentences(content) print('\n\n'.join(sentences)) 在處理文本時,會遇到需要將文本以 句子 為單位進(jìn)行切分(分句)的場景,而文本又可以分為 中文文本 和 英文文本 ,處理的方法會略有不同。 本文會介紹 Python 是如何處理 分句 的。
這個函數(shù)可以通過修改 end_flag (結(jié)束符號),來自定義特定的句子切分方式,比如加入 ; 等符號。
當(dāng)然,也可以用正則表達(dá)式來完成分句,使用 re.split 的方法。
import re def cut_sentences(content): sentences = re.split(r'(\.|\!|\?|。|!|?|\.{6})', content) return sentences content = content = '在處理文本時,會遇到需要將文本以 句子 為單位進(jìn)行切分(分句)的場景,而文本又可以分為 中文文本 和 英文文本 ,處理的方法會略有不同。本文會介紹 Python 是如何處理 分句 的。' sentences = cut_sentences(content) print('\n\n'.join(sentences)) 在處理文本時,會遇到需要將文本以 句子 為單位進(jìn)行切分(分句)的場景,而文本又可以分為 中文文本 和 英文文本 ,處理的方法會略有不同。 本文會介紹 Python 是如何處理 分句 的。
關(guān)于在python中分句的方法就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,可以學(xué)到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。