python - 使用正则表达式在 Python 中分割句子

Question

我正在尝试从句子中分割单词、标点符号和数字。但是，我的代码产生了预期之外的输出。我该如何修复它？

这是我的输入文本(在文本文件中):

 "I 2changed to ask then, said that mildes't of men2,

我的代码输出如下:

['"', 'I', '2', 'changed', 'to', 'ask', 'then', ',', 'said', 'that', "mildes't", 'of', 'men2']

但是，预期输出是:

 ['"', 'I', '2', 'changed', 'to', 'ask', 'then', ',', 'said', 'that', "mildes't", 'of', 'men','2']

这是我的代码:

import re
newlist = []
f = open("Inputfile2.txt",'r')
out = f.readlines()
for line in out:
    word = line.strip('\n')
    f.close()
    lst = re.compile(r"\d|\w+[\w']+|\w|[^\w\s]").findall(word)
print(lst)

Answer 1

在正则表达式中，'\w' 匹配任何字母数字字符，即 [a-zA-Z0-9]。

此外，在正则表达式的第一部分中，应该是“\d+”以匹配多个数字。

通过将“+”更改为“*”，可以将正则表达式“\w+[\w']+|\w”的第二部分和第三部分合并为一个部分。

import re
with open('Inputfile2.txt', 'r') as f:
    for line in f:
        word = line.strip('\n')
        lst = re.compile(r"\d+|[a-zA-Z]+[a-zA-Z']*|[^\w\s]").findall(word)
        print(lst)

这给出:

['"', 'I', '2', 'changed', 'to', 'ask', 'then', ',', 'said', 'that', "mildes't", 'of', 'men', '2', ',']

请注意，您的预期输出不正确。它缺少一个“,”。