J'ai un fichier texte. J'ai besoin d'obtenir une liste de phrases.
Comment cela peut-il être mis en œuvre ? Il y a beaucoup de subtilités, comme l'utilisation d'un point dans les abréviations.
Mon ancienne expression régulière fonctionne mal :
re.compile('(\. |^|!|\?)([A-Z][^;\.<>@\^&/\[\]]*(\.|!|\?) )',re.M)
Je travaillais sur une tâche similaire et je suis tombé sur cette requête, en suivant quelques liens et en travaillant sur quelques exercices pour nltk, le code ci-dessous a fonctionné pour moi comme par magie.
from nltk.tokenize import sent_tokenize
text = "Hello everyone. Welcome to GeeksforGeeks. You are studying NLP article"
sent_tokenize(text) sortie :
['Hello everyone.',
'Welcome to GeeksforGeeks.',
'You are studying NLP article']Source : https://www.geeksforgeeks.org/nlp-how-tokenizing-text-sentence-words-works/
Prograide est une communauté de développeurs qui cherche à élargir la connaissance de la programmation au-delà de l'anglais.
Pour cela nous avons les plus grands doutes résolus en français et vous pouvez aussi poser vos propres questions ou résoudre celles des autres.
0 votes
Je veux faire cela, mais je veux séparer chaque fois qu'il y a un point ou un saut de ligne.