针对你提到的这种带连接词的长句拆分+语义补全需求（你说的“语句联合分割”其实更偏向语义层面的拆分与完整句子重构），正则确实不是最优解——尤其是面对大量结构复杂的法规类长句时，正则很难覆盖所有语义边界和成分补全的场景。下面分享几种更可行的实现思路：

1. 基于句法分析+规则的混合方案 #

如果需要可控性强的结果，可以先用NLP工具做句法依存分析，定位连接词的管辖范围，再结合规则补全缺失成分：

• 步骤示例：
  • 用spaCy或Stanford CoreNLP解析句子的依存树，识别出and/or这类连接词连接的两个（或多个）并列成分（比如你的第二个例子里，or连接的是两个状语短语：up to its maximum design speed和in case of a trailer up to its technically permitted maximum speed）
  • 提取主句的核心结构（比如The steering system shall ensure easy and safe handling of the vehicle）
  • 将核心结构分别与每个并列成分拼接，同时调整语序（比如把in case of a trailer移到句首让句子更通顺）
• 简单代码片段（用spaCy）：

  import spacy
  
  nlp = spacy.load("en_core_web_trf")
  doc = nlp("The steering system shall ensure easy and safe handling of the vehicle up to its maximum design speed or in case of a trailer up to its technically permitted maximum speed.")
  
  # 提取主句核心（这里可以通过依存关系找根节点的子树，简化示例）
  main_clause = "The steering system shall ensure easy and safe handling of the vehicle"
  # 定位or连接的两个成分
  conjuncts = []
  for token in doc:
      if token.text == "or":
          # 这里需要更精准的依存关系判断，示例仅做演示
          conjuncts.extend([child.text.strip() for child in token.children if child.dep_ in {"advmod", "prep"}])
  # 拼接生成完整句子
  results = [f"{main_clause} {conjunct}." for conjunct in conjuncts]
  # 调整第二个句子的语序
  results[1] = f"In case of a trailer, {main_clause} up to its technically permitted maximum speed."
  print("\n".join(results))
  

  这种方案适合句式相对固定的场景，但需要针对你的具体文本类型（比如法规文本）调整规则。

2. 基于预训练语言模型的Few-Shot Prompting方案 #

这是处理大量复杂长句最省心的方法，利用大语言模型的语义理解能力，通过示例引导它输出符合要求的拆分结果：

• 核心思路：给模型提供你给出的两个示例，让它学习拆分逻辑，然后输入新的长句即可得到结果。
• 示例Prompt（可用于GPT-3.5/4、Llama、Mistral等模型）：

  请将以下长句拆分为独立的完整句子，确保每个句子语义完整、语法正确：
  
  示例1：
  输入：I like cats and/or dogs.
  输出：1. I like cats. 2. I like dogs.
  
  示例2：
  输入：The steering system shall ensure easy and safe handling of the vehicle up to its maximum design speed or in case of a trailer up to its technically permitted maximum speed.
  输出：1. The steering system shall ensure easy and safe handling of the vehicle up to its maximum design speed. 2. In case of a trailer, the steering system shall ensure easy and safe handling of the vehicle up to its technically permitted maximum speed.
  
  现在处理输入：[你的目标长句]
  

• 实现上可以用Hugging Face Transformers库加载开源模型，或者调用闭源模型API，这种方法不需要手动写复杂规则，能应对各种复杂句式的语义补全需求。

3. 半自动化混合方案 #

如果需要平衡准确性和效率，可以先用句法分析工具定位潜在的拆分点，再让模型基于这些拆分点生成完整句子——比如先识别出所有or/and连接的并列结构，再把这些结构和主句核心一起喂给模型，让它生成通顺的完整句子。

总结一下：正则只适合非常简单的固定句式，面对你提到的大量复杂长句，优先考虑预训练语言模型的Few-Shot方案，或者结合句法分析的规则方案（适合需要高度可控的场景）。

内容的提问来源于stack exchange，提问作者skaistt