質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.48%
Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

Q&A

解決済

2回答

11455閲覧

文章を句点で分割する

NCC1701

総合スコア1680

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

正規表現

正規表現とは特定の文字列によるパターンマッチングを行う際に用いられる宣言型プログラミングです。

0グッド

2クリップ

投稿2018/01/12 15:55

###前提・実現したいこと
例えば「吾輩は猫である。名前はまだ無い。」を句点“。”(他に.?!など)で分割したいと考えてます。ただし、その句点等自体を含んでリスト化したいのです。

###発生している問題・エラーメッセージ
このような文章だとうまくいくのですが、

python

1txt = '吾輩は猫である。名前はまだ無い。' 2sen = re.findall(r'.+?(?<=[。?])', txt) 3print(sen) #-> ['吾輩は猫である。', '名前はまだ無い。']

次のような文末だと

python

1txt = '「君も車屋の猫だけに大分強そうだ。車屋にいると御馳走が食えると見えるね」' 2sen = re.findall(r'.+?(?<=[。?])', txt) 3print(sen) #-> ['「君も車屋の猫だけに大分強そうだ。']

となり、文末の一文を取りこぼしてしまいます。
自分が期待しているのは
['「君も車屋の猫だけに大分強そうだ。', '車屋にいると御馳走が食えると見えるね」']
です。

試しに、splitだと

python

1 sen = re.split(r'(?<=。)', txt) 2File "lib/python3.5/re.py", line 203, in split 3 return _compile(pattern, flags).split(string, maxsplit) 4ValueError: split() requires a non-empty pattern match.

句点等の記号と次に来る文字との間にマッチするいわゆる“アンカー”でsplitできれば良いのですがうまくいきませんでした。Rubyだとうまくいくそうです。文章を一文ごとに分割する正規表現

###試したこと
どんな記号・文字が来る文末にもマッチするように
sen = re.findall(r'.+?(?<=[。?$])', txt)
も試しましたが、ダメでした。

よろしくお願いします。

###補足情報(言語/FW/ツール等のバージョンなど)
Python 3のみです。

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

ベストアンサー

こういうのはどうでしょう。

python

1txt = '「君も車屋の猫だけに大分強そうだ。車屋にいると御馳走が食えると見えるね」' 2txt2 = re.sub(r'(?<=。)', "\t", txt) 3sen = re.split(r'\t', txt2) 4

追記
もっと素朴なアプローチで良いんじゃないかと思い至りました。

python

1 sen = re.findall(r'[^。]+(?:[。]|$)', txt)

題意からは少し逸れるかも知れませんけど、目的によっては次もアリではないでしょうか。

python

1sen = re.split(r'(。)', txt)

投稿2018/01/12 16:27

編集2018/01/12 17:41
KojiDoi

総合スコア13671

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

regex 2018.01.10というモジュールを見つけました。
ゼロ幅マッチの仕様がPython 3.7で変わるようです。regexモジュールはその先取りのようです。
次のコードでアンカーにマッチするようになりました。

python

1import regex 2sen = regex.split(r'(?<=[。?])(?!$)', txt, flags=regex.VERSION1)

投稿2018/01/13 11:38

NCC1701

総合スコア1680

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.48%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問