限制字符串中的句子数量

Question

一个初学者的Python问题：

我有一串文字，里面有x个句子。我该怎么提取前两个句子呢？这些句子可能以句号（.）、问号（?）或者感叹号（!）结尾。

Answer 1

这是你可以这样做的方法：

str = "Sentence one? Sentence two. Sentence three? Sentence four. Sentence five."
sentences = str.split(".")
allSentences = []
for sentence in sentences
    allSentences.extend(sentence.split("?"))

print allSentences[0:3]

可能还有更好的方法，我期待看到它们。

Answer 2

我这样解决的：分隔句子，不过那篇文章下面的评论也提到了NLTK，但我不知道怎么在他们的网站上找到句子分割器...

Answer 3

忽略一些考虑，比如一个 . 什么时候算作句子的结束：

import re
' '.join(re.split(r'(?<=[.?!])\s+', phrase, 2)[:-1])

编辑：我刚想到的另一种方法是：

re.match(r'(.*?[.?!](?:\s+.*?[.?!]){0,1})', phrase).group(1)

注意事项：

1. 第一个解决方案允许你把2替换成其他数字，以选择不同数量的句子；而在第二个解决方案中，你需要把 {0,1} 中的1改成你想提取的句子数量减一。
2. 第二个解决方案在处理一些特殊情况时，比如空字符串或没有标点的字符串，表现得没有那么好。虽然可以改进，但正则表达式会变得更加复杂，我更倾向于选择第一个稍微效率低一点的解决方案，而不是让人看不懂的复杂代码。