寻找用于捕获短语直到点的正则表达式模式

Question

我有一个像这样的长文本：

text = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

我想得到这个输出：

phrases = ['Quisiera yo detectar los puntos... pero solo los puntos aislados.',
' Los puntos suspensivos no los quiero detectar.',
' A eso me refiero.']

问题是第一个短语中的三个点。我找不到将它们与常见的单点分隔符区分开来的正则表达式。有没有办法用正则表达式实现它？

Answer 1

您想以不同的方式处理 ..（或 ... 等）并将其与否定前瞻相结合：

(?:[^.]|\.{2,})+\.

解释：

(?:[^.]|\.{2,})+ 将匹配任何由非 . 字符组成的字符串 or 组 2 个或更多 .s
\.当然需要句号

这是 demo。

Answer 2

您可以使用正后视来仅在前面没有超过一个点的空白处进行拆分。这种方法会忽略任何 2 个或更多点的序列。

例如：

import re

s = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

sentences = re.split(r'(?<=[^.]\.)\s', s)
print(sentences)
# ['Quisiera yo detectar los puntos... pero solo los puntos aislados.', 'Los puntos suspensivos no los quiero detectar.', 'A eso me refiero.']

Answer 3

试试这个...

import re

text = 'Quisiera yo detectar los puntos... pero solo los puntos aislados. Los puntos suspensivos no los quiero detectar. A eso me refiero.'

pattern = r"(?<=\.)\s(?=[A-Z])"
re.split(pattern, text)

结果应该是...

['Quisiera yo detectar los puntos... pero solo los puntos aislados.',
 'Los puntos suspensivos no los quiero detectar.',
 'A eso me refiero.']

我的回答基于this SO answer。

更新：
使用 regex 标签查看一些答案，我发现了这个 metadiscussion as well as this answer。我的答案并非来自对正则表达式的先天知识，而是来自花费大约 17 分钟的时间在谷歌上搜索不同的搜索词并浏览 Stack Overflow。在中间的 17 分钟左右，我花了我的时间来制作我的答案，其他两个答案出现了。
我意识到我的答案更像是 "show me the code" 而不是 "teach a man to fish" 之类的答案。最重要的是，我会说，当我急需帮助时，我希望有人向我展示代码。但是能够 google 解决问题是一项重要的技能，但也是一种可怕的药物。希望我的解决方案有所帮助，但我也强烈建议您查看更新中的链接。关于 regex 标记的状态以及使堆栈溢出更有意义的观点。

寻找用于捕获短语直到点的正则表达式模式

Looking for a regex pattern for capturing phrases until dot

python

regex

lookahead