文章を句点で分割する（正規表現）

Question

前提・実現したいこと

例えば「腹が減った。だからマクドナルド（以下、マックという。）に行った。」を句点“。”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です。

試したこと

txt = '腹が減った。だからマクドナルド（以下、マックという。）に行った。'
sen = re.findall(r'.+?(?<=[。)])', txt)
print(sen) #→['腹が減った。', 'だからマクドナルド（以下、マックという。', '）に行った。']

このようになっていますが、。） の部分を分割せずに取り出したいのですが、その方法が分かりません...。

Comments

[Zuishin]

分割した後、カッコが開いていたら閉じるまで連結していけばいいのでは？

Answer 1

import re

txt = '腹が減った。だからマクドナルド（以下、マックという。）に行った。'
sen = re.findall(r'[^()（）]*?(?:[(（].*?[)）])?[^()（）]*?。', txt)
print(sen)

['腹が減った。', 'だからマクドナルド（以下、マックという。）に行った。']

カッコで目がチカチカする……

Answer 2

txtの括弧は全角なのに、正規表現に書いてある括弧は半角だけですね。これは意図的？

分割条件が不明瞭ですが、「次に閉じ括弧が続かない句点で終える」だと、

re.findall(r'.+?。(?![)）])', txt)

Answer 3

直後に ） がない句点だけを選ぶことは容易です。

sen = re.findall(r'.+?。(?!）)', txt)

ただしこの場合、括弧内に複数の文が含まれる場合はカバーできません。
そのときの扱いについても検討の必要がありますね。

書いてみた

上記問題をケアした方法。

import re

txt = '腹が減った。だからマクドナルド（以下、マックという。）に行った。今週三度目(行き過ぎである。かなり。)のマック。'
sen = re.findall(r'(?:[^()（）。]+|[(（][^()（）]*[)）]+)*。', txt)
print(sen)

実行結果 Wandbox

['腹が減った。', 'だからマクドナルド（以下、マックという。）に行った。', '今週三度目(行き過ぎである。かなり。)のマック。']

さすがに括弧が入れ子になることは考慮していませんが。