Python 将字符串拆分为句子

在自然语言处理中，将一个字符串拆分成句子是一个很基本的任务。本文介绍如何使用 Python 将字符串拆分成句子，并给出了两种方法。

方法 1：使用 NLTK

NLTK（the Natural Language Toolkit）是一个 Python 的自然语言处理库，其中包含了许多自然语言处理中常用的函数和工具。

安装 NLTK

在命令行中输入以下命令安装 NLTK：

pip install nltk

拆分句子

以下示例代码演示了如何使用 NLTK 将字符串拆分成句子：

import nltk

nltk.download('punkt')  # 下载 NLTK 的 punkt 模块

s = "Python is a high-level programming language. It is widely used in web development, data analysis, artificial intelligence, and more."

sentences = nltk.sent_tokenize(s)

print(sentences)

输出：

['Python is a high-level programming language.', 'It is widely used in web development, data analysis, artificial intelligence, and more.']

方法 2：使用正则表达式

正则表达式是一种强大的字符串匹配工具。我们可以使用正则表达式来匹配句子末尾的标点符号，并将字符串拆分成句子。

import re

s = "Python is a high-level programming language. It is widely used in web development, data analysis, artificial intelligence, and more."

sentences = re.split(r"(?<!\w\.\w.)(?<![A-Z][a-z]\.)(?<=\.|\?)\s", s)

print(sentences)

输出：

['Python is a high-level programming language.', 'It is widely used in web development, data analysis, artificial intelligence, and more.']

以上代码中，正则表达式 r"(?<!\w\.\w.)(?<![A-Z][a-z]\.)(?<=\.|\?)\s" 的含义是：

• (?<!\w\.\w.)：匹配句子开头。(?<!...) 表示排除掉符合 ... 的字符串。
• (?<![A-Z][a-z]\.)：匹配缩写词。例如 Mr.、Dr. 等。
• (?<=\.|\?)\s：匹配句子的末尾。(?<=...) 表示仅匹配 ... 的字符串。

结论

以上是两种 Python 拆分句子的方法。如果你需要处理更加复杂的文本，可以使用更加强大的自然语言处理工具。