python - 我在 python 中遇到一个问题，即用句子的行结束字符分割文本的一部分

Question

我想分析 xml 文件，我的程序的一部分将数据分割成句子，但我的行结束字符消失了……我需要它们在句子的开头和结尾处添加带有 xml 标记的注释。

现在我有:

import re

line_end_chars = "!", "?", ".",">"


regexPattern = '|'.join(map(re.escape, line_end_chars))

line_list = re.split(regexPattern, texte)

问题

如果我使用文本运行此代码

" Je pense que cela est compliqué de coder. Où puis-je apprendre?"

这会给我:

["Je pense que cela est compliqué de coder",
"Où puis-je apprendre"] 

这不是我正在寻找的，而是:

["Je pense que cela est compliqué de coder.",
"Où puis-je apprendre?"] 

之后我可以执行 .replace 代码来添加我的 xml 标记。

Answer 1

一种可能的解决方案是使用 re.sub 而不是 re.split，然后使用 str.splitlines():

import re

line_end_chars = "!", "?", ".",">"
s = "Je pense que cela est compliqué de coder. Où puis-je apprendre?"

print( re.sub('(' + '|'.join(re.escape(ch) for ch in line_end_chars) + ')\s*', r'\1\n', s).splitlines() )

打印:

['Je pense que cela est compliqué de coder.', 'Où puis-je apprendre?']