解析单个句子的正则表达式是什么？

一尘不染

解析单个句子的正则表达式是什么？

我正在寻找一个好的.NET正则表达式，可用于从文本正文中解析出单个句子。

它应该能够将以下文本块解析为正好六个句子：

Hello world! How are you? I am fine.
This is a difficult sentence because I use I.D.

Newlines should also be accepted. Numbers should not cause  
sentence breaks, like 1.23.

事实证明，这比我最初想象的要困难得多。

任何帮助将不胜感激。我将使用它在已知的正文上训练系统。

阅读 297

2020-05-19

共1个答案

一尘不染

试试这个@"(\S.+?[.!?])(?=\s+|$)"：

string str=@"Hello world! How are you? I am fine. This is a difficult sentence because I use I.D.
Newlines should also be accepted. Numbers should not cause sentence breaks, like 1.23.";

Regex rx = new Regex(@"(\S.+?[.!?])(?=\s+|$)");
foreach (Match match in rx.Matches(str)) {
    int i = match.Index;
    Console.WriteLine(match.Value);
}

结果：

Hello world!
How are you?
I am fine.
This is a difficult sentence because I use I.D.
Newlines should also be accepted.
Numbers should not cause sentence breaks, like 1.23.

当然，对于复杂的解析器，您将需要像SharpNLP或NLTK这样的真正解析器。我的只是一个快速而肮脏的。

这是SharpNLP信息和功能：

SharpNLP是用C＃编写的自然语言处理工具的集合。当前，它提供以下NLP工具：

句子分割器
分词器
词性标记器
分块器（用于“查找非递归语法注释，例如名词短语块”）
解析器
一个名字寻找者
共指工具
WordNet词汇数据库的接口

2020-05-19