使用Python将文本按标点整句切分

利用分词工具包例如jieba可以轻易的将句子切分为不同的单词，但是当你有切分整句的需求时，该怎么解决呢？

• 将段落按句号切分整句

1.jieba分词可以切分单词

进行中文自然语言处理时，分词是一个常见的操作，例如：

import jieba.posseg as pseg
txt = "【#奔驰女车主不接受4S店道歉# 双方现场交涉言语激烈】4月13日，西安维权奔驰女车主和4S店方见面，双方并未当场和解。4S店相关负责人称，由于出差等原因未及时联系车主，车主则反驳称，可通过电话联系，“没人把你的联系方式给我。”交涉过程中双方言语交锋激烈。#西安奔驰女车主维权# "
words = pseg.cut(txt)
for word, flag in words:
    print('%s %s' % (word, flag))

利用这段代码对这段文本信息进行分词和词性标注，就有如下结果（部分省略）：

【 x
# x
奔驰 v
女 b
车主 n
...

2.整句切分——按标点切分

或许你不需要单词切分你只需要整句切分，即按标点切分，那么你可以这样做：

import re
txt = "【#奔驰女车主不接受4S店道歉# 双方现场交涉言语激烈】4月13日，西安维权奔驰女车主和4S店方见面，双方并未当场和解。4S店相关负责人称，由于出差等原因未及时联系车主，车主则反驳称，可通过电话联系，“没人把你的联系方式给我。”交涉过程中双方言语交锋激烈。#西安奔驰女车主维权#  "
pattern = r',|\.|/|;|\'|`|\[|\]|<|>|\?|:|"|\{|\}|\~|!|@|#|\$|%|\^|&|\(|\)|-|=|\_|\+|，|。|、|；|‘|’|【|】|·|！| |…|（|）'
result_list = re.split(pattern, txt)
print(result_list)

这是利用正则表达式进行的整句切分，结果如下，标点符号出自动切句

['', '', '奔驰女车主不接受4S店道歉', '', '双方现场交涉言语激烈', '4月13日', '西安维权奔驰女车主和4S店方见面', '双方并未当场和解', '4S店相关负责人称', '由于出差等原因未及时联系车主', '车主则反驳称', '可通过电话联系', '“没人把你的联系方式给我', '”交涉过程中双方言语交锋激烈', '', '西安奔驰女车主维权', '', '']

3.整句切分——按句号切分

或许你需要完整的句子，即保留逗号，按句号切分一整句，这要怎么做呢？你只需要把正则表达式里的逗号去掉即可

import re
txt = "【#奔驰女车主不接受4S店道歉# 双方现场交涉言语激烈】4月13日，西安维权奔驰女车主和4S店方见面，双方并未当场和解。4S店相关负责人称，由于出差等原因未及时联系车主，车主则反驳称，可通过电话联系，“没人把你的联系方式给我。”交涉过程中双方言语交锋激烈。#西安奔驰女车主维权# "
#pattern = r',|\.|/|;|\'|`|\[|\]|<|>|\?|:|"|\{|\}|\~|!|@|#|\$|%|\^|&|\(|\)|-|=|\_|\+|，|。|、|；|‘|’|【|】|·|！| |…|（|）'
pattern = r'\.|/|;|\'|`|\[|\]|<|>|\?|:|"|\{|\}|\~|!|@|#|\$|%|\^|&|\(|\)|-|=|\_|\+|。|、|；|‘|’|【|】|·|！| |…|（|）'
result_list = re.split(pattern, txt)
print(result_list)

结果如下

['', '', '奔驰女车主不接受4S店道歉', '', '双方现场交涉言语激烈', '4月13日，西安维权奔驰女车主和4S店方见面，双方并未当场和解', '4S店相关负责人称，由于出差等原因未及时联系车主，车主则反驳称，可通过电话联系，“没人把你的联系方式给我', '”交涉过程中双方言语交锋激烈', '', '西安奔驰女车主维权', '', '']

get到了吗？