如何通過NLTK中的標簽將一段分為句子

Question

現在，我在標記后有一個段落，我想將其分成NLTK中的單個句子。

我想到的第一個想法是使用<PU>標記（例如, . 這樣的標點符號。 所以正則表達式如下：

    grammer = r"""
    NP:
        {<.*>+}
        }<PU>{
    """

但是，我發現我缺少其他標點符號，例如( ， ) ， { ， } ...

因此，以上內容不適用於以下句子，因為標點符號( )用於拆分成句子。

客戶#NN 表示#VV 銷售人員#NN 挺#AD 熱情#VA 的#SP ，#PU 而且#AD 經銷#VV 店里#NN 的#DEC 員工#NN 臧#NR 偉#NR (#PU 音#NN 同#CC )#PU 特別#JJ 熱心#NN 。

我怎么可以拆分只有一句話,和. 用中文（表達？

Answer 1

您應該能夠使用普通的Python正則表達式來拆分您的段落：

import re
pat = re.compile('。|，')
paragraph = '客戶#NN 表示#VV 銷售人員#NN 挺#AD 熱情#VA 的#SP ，#PU 而且#AD 經銷#VV 店里#NN 的#DEC 員工#NN 臧#NR 偉#NR (#PU 音#NN 同#CC )#PU 特別#JJ 熱心#NN'

pat.split(paragraph)
['客戶#NN 表示#VV 銷售人員#NN 挺#AD 熱情#VA 的#SP ',
 '#PU 而且#AD 經銷#VV 店里#NN 的#DEC 員工#NN 臧#NR 偉#NR (#PU 音#NN 同#CC )#PU 特別#JJ 熱心#NN']