区分句子和章节文本的正则表达式

Question

我有一篇有很多句子的课文。我有一个正则表达式，可以提取以句点、问号或感叹号结尾的句子。一个句子的结尾必须跟下一个句子的开头（空格/制表符/换行符和大写字母或数字）。存储在regi调用中的数据。在

basic_pat = re.compile(r"[(']?\w.+[)']?[?.!](?=\s+[A-Z\d])")
result = basic_pat.findall(data)

如果不考虑缩写的情况，这个正则表达式似乎是有效的。 在课文中，我也可能会有一些章节的课文不以句点结尾。例如：

This is the first chapter
Here is the first sentence. Here is the second sentence.Here ids the third sent. Here is the fourth sent...

如果一个regex的句子能读到的话，那么我的问题也只能读到。这些章节是一行没有句号的松散文本。一般的句子可以有几行。也就是说，句子中也可以有一行没有句点的文本。有没有可能用正则表达式来区分这两种情况（章节和句子）？在

Answer 1

Some people, when confronted with a problem, think "I know, I'll use regular expressions." Now they have two problems. Jamie Zawinski

实际上，您应该使用两个正则表达式（现在您将遇到四个问题）。在

首先，通读并将文本分解成交替的章节标题，而不是章节标题。然后检查每一章的标题，句子，段落，以及你所拥有的。在

您将如何分解以下内容：

Visiting Leipzig, Chapter One: Thomaskirchhof St.

The Bach Museum is on Thomaskirchhof opposite St. Thomas's Church. van Beethoven doesn't have a museum anywhere in Leipzig.

处理自然语言极其困难。上帝在摧毁巴别塔时做了一件彻底的工作。在