基于python中的段落拆分文本文件

Question

嗨，我试图根据段落拆分文本文件。我已经将它们分成了一个列表。但是我的目标是只提取那些只包含一个句子的段落。有没有办法做到这一点？

My text file is something like this:
paragraph1:
sentence
paragraph2:
sentence. sentence. sentence.
paragraph3:
sentence. sentence.
paragraph4:
sentence

因为他们只有一句话我只需要1和4。我已经在下面做了：

par = document.split(".\n")

将文档拆分为段落列表。但是我如何只提取一个句子。有任何想法吗？

Answer 1

一种方法可能是在该段中搜索.。 （注意space之后的.）。这可能表明该段落有多个句子。

所以你可以这样说：

if '. ' in paragraph: 
  # don't print
else:
  # print

只是一个想法......

Answer 2

• 以下代码将帮助您根据需要进行更改。
• 在阅读给定文件中的内容后，我试图通过para返回para。
• 在每个段落上，您可以在从发电机使用yield之前应用您需要的任何条件。
• 下面的代码在2.x中测试

文件My_text_file.txt的内容是：

paragraph1:
sentence
paragraph2:
sentence. sentence. sentence.
paragraph3:
sentence. sentence.
paragraph4:
sentence

我的代码如下：

import re


def gen_read_lines(file_name):
    with open(file_name) as fp:
        for line in fp:
            yield line.strip()


def is_para_starting(line):
    return True if re.match("^paragraph\d+:$", line) else False


def gen_read_para(file_name):
    gen = gen_read_lines(file_name)

    para = []
    for line in gen:
        if is_para_starting(line):
            if para:
                #returning the previous para
                yield para
            para = []
        if ". " in line:
            #resetting para.
            para = []
            continue
        para.append(line)

    #returning last para.
    yield para


if __name__ == "__main__":
    para_gen = gen_read_para("My_text_file.txt")
    for para in para_gen:
        print "\n".join(para)
        print "~"*10

输出是：

paragraph1:
sentence
~~~~~~~~~~
paragraph4:
sentence
~~~~~~~~~~

编辑：添加条件以检查段落中的“。”。