python實(shí)現(xiàn)中文文本分句的例子

更新時間：2019年07月15日 10:52:33 作者：Belle_z_z

今天小編就為大家分享一篇python實(shí)現(xiàn)中文文本分句的例子，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

對于英文文本分句比較簡單，只要根據(jù)終結(jié)符"."劃分就好，中文文本分句看似很簡單，但是實(shí)現(xiàn)時會遇到很多麻煩，尤其是處理社交媒體數(shù)據(jù)時，會遇到文本格式不規(guī)范等問題。

下面代碼針對一段一段的短文本組成了文檔分句

import re
def cut_sent(infile, outfile):
  cutLineFlag = ["？", "！", "。","…"] #本文使用的終結(jié)符，可以修改
  sentenceList = []
  with open(infile, "r", encoding="UTF-8") as file:
    oneSentence = ""
    for line in file:
      if len(oneSentence)!=0:
        sentenceList.append(oneSentence.strip() + "\r")
        oneSentence=""
      # oneSentence = ""
      for word in words:
        if word not in cutLineFlag:
          oneSentence = oneSentence + word
        else:
          oneSentence = oneSentence + word
          if oneSentence.__len__() > 4:
            sentenceList.append(oneSentence.strip() + "\r")
          oneSentence = ""
  with open(outfile, "w", encoding="UTF-8") as resultFile:
    print(sentenceList.__len__())
    resultFile.writelines(sentenceList)

如果段尾3沒有終結(jié)符但是換行了，這句話可能會丟失，所有加入如下代碼：

   if len(oneSentence)!=0:
   sentenceList.append(oneSentence.strip() + "\r")
     oneSentence=""

會得到比較好的處理結(jié)果

要處理的文本：

自從微信出了三天可見功能，我的朋友圈就越來越冷清越來越冷清越來越冷清，點(diǎn)開都沒什么可看的了。今天我把屏蔽的代購一個一個一個都放出來了，快過年了，熱鬧點(diǎn)
一女性，想DIY矯正門牙縫隙，在家自己制取模型，結(jié)果悲劇了，因?yàn)橛玫氖鞘?，自己無法取出，來我院求助，醫(yī)生廢了九牛二虎之力才搞定……DIY有風(fēng)險，操作需謹(jǐn)慎！
閨女同學(xué)家養(yǎng)了一只鸚鵡，兩只珍珠鳥，一只貓，兩只倉鼠。鸚鵡是老大，珍珠鳥怕它，貓是后進(jìn)家的，也怕鸚鵡。倉鼠經(jīng)常溜出籠子，據(jù)說貓會把它逮住塞回籠子。

處理后的文本：

自從微信出了三天可見功能，我的朋友圈就越來越冷清越來越冷清越來越冷清，點(diǎn)開都沒什么可看的了。
今天我把屏蔽的代購一個一個一個都放出來了，快過年了，熱鬧點(diǎn)
一女性，想DIY矯正門牙縫隙，在家自己制取模型，結(jié)果悲劇了，因?yàn)橛玫氖鞘?，自己無法取出，來我院求助，醫(yī)生廢了九牛二虎之力才搞定…
DIY有風(fēng)險，操作需謹(jǐn)慎！
閨女同學(xué)家養(yǎng)了一只鸚鵡，兩只珍珠鳥，一只貓，兩只倉鼠。
鸚鵡是老大，珍珠鳥怕它，貓是后進(jìn)家的，也怕鸚鵡。
倉鼠經(jīng)常溜出籠子，據(jù)說貓會把它逮住塞回籠子。

得到了比較好的分句結(jié)果，也不會丟失信息。

以上這篇python實(shí)現(xiàn)中文文本分句的例子就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: