如何修改Python正则表达式，避免拆分拉丁学名实现按标点分句

原正则报错原因 #

你之前写的正则r'[,|(?:[^A-Z].)|?|!]'报错是因为两个核心问题：

1. 字符集[]内部不能使用分组语法(?:...)，括号会被当作普通字符导致不匹配；
2. 字符集里的|完全多余，[]内的字符本身就是“或”的关系，不需要额外用|连接。

正确正则表达式 #

要避免拆分G. lucidum这类“大写字母+圆点”的拉丁学名，需要用负向回顾后发断言，确保分割用的句号前面不是大写字母，其他标点（逗号、问号、感叹号）正常分割。

最终可用的代码示例：

import re

strContent = "Many studies to date have described the anticancer properties of G. lucidum, which is a medicinal fungus. It shows promising anticancer effects!"
# 按标点分割，排除大写字母后的句号
split_result = re.split(r'(?<![A-Z])[.,?!]', strContent)
# 清理分割后空字符串和多余空格
cleaned_result = [s.strip() for s in split_result if s.strip()]
print(cleaned_result)

正则说明 #

• (?<![A-Z])：负向回顾断言，匹配前面不是大写字母的位置，这样就跳过了拉丁学名里的句号；
• [.,?!]：匹配作为句子分隔符的逗号、句号、问号、感叹号；
• 如果需要同时匹配标点后的空格（比如. ），可以把正则改成r'(?<![A-Z])[.,?!]\s*'，减少后续清理空格的步骤。

内容的提问来源于stack exchange，提问作者small tomato