高级句子拆分

Question

Python 问题！

我想要一些帮助，来把文本文件里的句子分开。我不想写一个很大的 if 循环，但我需要找到一种方法，把文本文件分成句子。我必须在不使用 .readlines() 的情况下做到这一点。

我想用句号、引号和感叹号来分句……但是：

1. 如果句号后面跟着空格，然后是小写字母，就不应该分开这个句子。
2. 如果句号后面跟着数字，并且中间没有空格，也不应该分开这个句子。
3. 像 Mr.、Mrs.、Dr. 这样的缩写当然也不应该分开句子。
4. 一些字母组合，比如 e.g、www.website.com 等等。
5. 最后，如果句号后面跟着其他标点符号，比如逗号或者更多的句号（省略号），也不应该分开。

我想把这些分开的句子打印出来给用户。请问我该怎么做？我对基本的字符串格式和索引有一些了解，但加上省略号、姓氏等会让我觉得有点难……

**我还会使用 tkinter 来创建一个打开文件的按钮和一个下拉菜单，让用户可以从程序的输出中创建一个新的文本文件，每行一个句子，保存为 .txt 文件。

谢谢！

这是我目前的代码

import re

punctuation = ['.', '?', '!']
exceptions = ['Mr.', 'Mrs.', 'Ms.', 'Sr.', 'e.g', '...']
lines = []

with open('myData.txt') as myFile:
    lines = re.split(punctuation, myFile)

Answer 1

这是我的代码

import re

punctuation = re.compile(r"([^\d+])(\.|!|\?|;|\n|。|！|？|；|…|　|!|؟|؛)+")
lines = []

with open('myData.txt','r',encoding="utf-8") as myFile:
    lines = punctuation.sub(r"\1\2<pad>", myFile.read())
    lines = [line.strip() for line in lines.split("<pad>") if line.strip()]