小编典典

解析单个句子的正则表达式是什么?

c#

我正在寻找一个好的.NET正则表达式,可用于从文本正文中解析出单个句子。

它应该能够将以下文本块解析为正好六个句子:

Hello world! How are you? I am fine.
This is a difficult sentence because I use I.D.

Newlines should also be accepted. Numbers should not cause  
sentence breaks, like 1.23.

事实证明,这比我最初想象的要困难得多。

任何帮助将不胜感激。我将使用它在已知的正文上训练系统。


阅读 369

收藏
2020-05-19

共1个答案

小编典典

试试这个@"(\S.+?[.!?])(?=\s+|$)"

string str=@"Hello world! How are you? I am fine. This is a difficult sentence because I use I.D.
Newlines should also be accepted. Numbers should not cause sentence breaks, like 1.23.";

Regex rx = new Regex(@"(\S.+?[.!?])(?=\s+|$)");
foreach (Match match in rx.Matches(str)) {
    int i = match.Index;
    Console.WriteLine(match.Value);
}

结果:

Hello world!
How are you?
I am fine.
This is a difficult sentence because I use I.D.
Newlines should also be accepted.
Numbers should not cause sentence breaks, like 1.23.

当然,对于复杂的解析器,您将需要像SharpNLP或NLTK这样的真正解析器。我的只是一个快速而肮脏的。

这是SharpNLP信息和功能:

SharpNLP是用C#编写的自然语言处理工具的集合。当前,它提供以下NLP工具:

  • 句子分割器
  • 分词器
  • 词性标记器
  • 分块器(用于“查找非递归语法注释,例如名词短语块”)
  • 解析器
  • 一个名字寻找者
  • 共指工具
  • WordNet词汇数据库的接口
2020-05-19