首页 > 编程 > Python > 正文

python实现中文文本分句的例子

2019-11-25 12:22:42
字体:
来源:转载
供稿:网友

对于英文文本分句比较简单,只要根据终结符"."划分就好,中文文本分句看似很简单,但是实现时会遇到很多麻烦,尤其是处理社交媒体数据时,会遇到文本格式不规范等问题。

下面代码针对一段一段的短文本组成了文档分句

import redef cut_sent(infile, outfile):  cutLineFlag = ["?", "!", "。","…"] #本文使用的终结符,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没有终结符但是换行了,这句话可能会丢失,所有加入如下代码:

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

会得到比较好的处理结果

要处理的文本:

自从微信出了三天可见功能,我的朋友圈就越来越冷清越来越冷清越来越冷清,点开都没什么可看的了。今天我把屏蔽的代购一个一个一个都放出来了,快过年了,热闹点一女性,想DIY矫正门牙缝隙,在家自己制取模型,结果悲剧了,因为用的是石膏,自己无法取出,来我院求助,医生废了九牛二虎之力才搞定……DIY有风险,操作需谨慎!闺女同学家养了一只鹦鹉,两只珍珠鸟,一只猫,两只仓鼠。鹦鹉是老大,珍珠鸟怕它,猫是后进家的,也怕鹦鹉。仓鼠经常溜出笼子,据说猫会把它逮住塞回笼子。

处理后的文本:

自从微信出了三天可见功能,我的朋友圈就越来越冷清越来越冷清越来越冷清,点开都没什么可看的了。今天我把屏蔽的代购一个一个一个都放出来了,快过年了,热闹点一女性,想DIY矫正门牙缝隙,在家自己制取模型,结果悲剧了,因为用的是石膏,自己无法取出,来我院求助,医生废了九牛二虎之力才搞定…DIY有风险,操作需谨慎!闺女同学家养了一只鹦鹉,两只珍珠鸟,一只猫,两只仓鼠。鹦鹉是老大,珍珠鸟怕它,猫是后进家的,也怕鹦鹉。仓鼠经常溜出笼子,据说猫会把它逮住塞回笼子。

得到了比较好的分句结果,也不会丢失信息。

以上这篇python实现中文文本分句的例子就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持武林网。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表