1

我正在尝试匹配所有包含引号的句子，而与引号的长度或引号中的句子数量无关。

正如 Alfe 指出的那样，获得完美的正则表达式可能不可行，但如果可能的话，我想改进我正在使用的正则表达式。

现在我这样做是为了找到报价：

def split_by_quotes(text):
    pattern = r'([A-Z].*?\".*?\".*?\.)'
    quotes = re.findall(pattern, text)
    return(quotes)

但我想确保引用出现在一个句子中，然后捕获整个句子。

我所说的一句话是指一段文字：

  1. 通常前面有一个空格
  2. 以大写字符或引号开头
  3. 以 a 结尾。或者 ！或者 ？或（有时直接跟在“或”之后）
  4. 通常后跟一个空格

正如 Alfe 指出的那样，这不会捕获所有句子，但如果我能在这些条件下匹配就足够了。

例如：

“这是一个报价，应该匹配”

这是多个回车后换行没有引号的文本，不应匹配。

更复杂的例子：

查尔斯·巴贝奇说：“有两次，[国会议员]问我，‘请祈祷，巴贝奇先生，如果你把错误的数字输入机器，正确的答案会出来吗？’ 我无法正确理解会引发这样一个问题的那种混乱的想法。”

整个句子会匹配。

但，

他们称 Garfield Minus Garfield 和 Lolcats，但当约翰逊看到一段他认为特别搞笑的片段时，有人摔倒，然后被一只带键盘的猫“弹下台”，他的朋友们认为这是蹩脚的。“我说，这会很大。”他说，“我的朋友们说，‘不，这只是一只猫。’”

将匹配如下：

他们称 Garfield Minus Garfield 和 Lolcats，但当约翰逊看到一段他认为特别搞笑的片段时，有人摔倒，然后被一只带键盘的猫“弹下台”，他的朋友们认为这是蹩脚的。

和

“我说，这会很大。”他说，“我的朋友们说，‘不，这只是一只猫。’”

4

3 回答 3

1

我认为你想做的事情不能使用正则表达式来完成。

自然语言是一个复杂的东西，即使是书面语言也没有看起来那么容易。我想指出几件事，以明确哪些特殊情况是我得出结论的基础：

他降落了——砰！- 在地上。

“停止！” 他喊道。

500万人死亡。

我不知道这些示例如何与自然语言句子的纯正则表达式匹配。

编辑：

计算机几乎不可能区分这两种情况：

之后，他说：“再也不会了！” 然后他离开了房间。

他敲了敲桌子，“再也不来了！” 彼得说完，就离开了房间。

在字符级别上，两者看起来完全相同（引号后的大写字母等），但第一个应解析为两个句子，第二个应解析为一个。需要像人类一样理解智能才能看到这两种情况是不同的。技术字符不显示这一点。

于 2013-11-14T15:09:50.743 回答
1

这对你有帮助吗？

请注意，我编辑了我的第一个答案是愚蠢的，因为其中的正则表达式匹配所有句子，而不是带有引号的句子。
我还考虑了 Alve 的评论：正则表达式捕获的句子不仅以大写字母开头，而且仅以点后的第一个字符开头，除了空白或\r或n或可能的附加点

import re
regx = re.compile('(?!\Z)'
                  '[. \n\r]*'
                  '('
                    '(?:[^."]*"[^"]*")+'
                    '[^."]*'
                    '(?:\.|\Z)'
                  ')')

s = ('''\nThe "some.rutu"  and "oula oulah, poto."  are '''
     '''all good. A "bi'didi."  is not.  I '''
     """don't know why... 5 "million" people """
     """died . \nAnd here's a sentence without """
     """a quote. "Halt!" he shouted. 'Sunny """
     """days and "nights"'  is a strange phrase""")
print s
print
for el in regx.findall(s):
    print '- %s' % el

结果

The "some.rutu"  and "oula oulah, poto."  are all good. A "bi'didi."  is not.  I don't know why... 5 "million" people died . 
And here's a sentence without a quote. "Halt!" he shouted. 'Sunny days and "nights"'  is a strange phrase

- The "some.rutu"  and "oula oulah, poto."  are all good.
- A "bi'didi."  is not.
- 5 "million" people died .
- "Halt!" he shouted.
- 'Sunny days and "nights"'  is a strange phrase
于 2013-11-14T15:50:24.933 回答
0

这种模式在红宝石中对我有用。一旦你将它转换为 r'' 在 python 中应该没问题

/([a-zA-Z,\' ]+\"[^.]+\.)/

艾略特

于 2013-11-14T14:14:28.250 回答