如何提取TXT文件中包含"apple"的所有句子？已尝试正则等方法未果

你的代码存在两个核心问题： #

• 未读取文件内容：re.findall() 需要传入字符串，直接传文件对象会报错，必须先读取文件内容。
• 正则表达式局限性：原正则只匹配以.结尾的句子，忽略了!、?等常见句子结尾符号；且[^.]*不匹配换行符，会漏掉跨行的句子。

修正后的代码 #

import re

# 安全读取文件内容（with语句自动关闭文件）
with open("apple.txt", "r", encoding="utf-8") as fp:
    content = fp.read()

# 改进正则：匹配包含apple的句子，支持跨行、多种结尾标点
pattern = re.compile(r"([^.!?]*apple[^.!?]*[.!?])", re.DOTALL)
matched_sentences = pattern.findall(content)

# 输出结果（去除前后空白）
for sentence in matched_sentences:
    print(sentence.strip())

关键改进说明 #

• 使用with语句操作文件，避免手动关闭文件可能引发的资源泄漏。
• 添加re.DOTALL标志，让正则中的.匹配换行符，处理跨行的句子。
• 将句子结尾标点扩展为.!?，覆盖英文中常见的句子结束符号。
• 用strip()去除句子前后的空白字符，让输出更整洁。

进阶优化（处理缩写中的点） #

如果文本中存在Mr.、U.S.A.这类带点的缩写，原正则会错误截断句子。可以用更精准的正则来规避：

# 排除常见缩写后的正则，仅匹配真正的句子结尾
pattern = re.compile(r"(?:(?<!Mr)(?<!Mrs)(?<!Ms)(?<!Dr)(?<!Sr)(?<!Jr)\.)|!|\?")
sentences = re.split(pattern, content)
matched_sentences = [s.strip() + p for s, p in zip(sentences, re.findall(pattern, content)) if "apple" in s]

for sentence in matched_sentences:
    print(sentence)

内容的提问来源于stack exchange，提问作者Chaitanya Chitturi