如何用Python正则表达式拆分文本并保留句末句号？

问题描述 #

我需要将文本：

"Hi stackoverflow.I need to split these sentences.By full stop."
拆分为如下格式的列表：
["Hi stackoverflow.", "I need to split these sentences.", "By full stop."]
我尝试了以下Python代码：

import regex as re
text = "Hi stackoverflow.I need to split these sentences.By full stop."
re.findall(".*?\.[a-zA-Z0-9].*?", text)

但执行后返回结果为['Hi stackoverflow.I', ' need to split these sentences.B']，不符合预期，请问如何正确实现需求？

解决方案 #

方法一：正则直接匹配完整句子

你原正则的问题在于，会把句号和后续的首字母连在一起匹配，导致截取的内容不符合预期。针对你的文本结构（句子间以「句号+大写字母」衔接，首句以小写开头），可以用正则匹配两种句式：

import re
text = "Hi stackoverflow.I need to split these sentences.By full stop."
sentences = re.findall(r'^[^.]+\.|[A-Z][^.]+\.', text)
print(sentences)

执行后输出：

["Hi stackoverflow.", "I need to split these sentences.", "By full stop."]

方法二：预处理文本后拆分

如果文本规则固定（句号后紧跟下一句的首字母），也可以先给句号后补空格，再拆分句子，逻辑更直观：

import re
text = "Hi stackoverflow.I need to split these sentences.By full stop."
# 在句号与后续字母之间插入空格
fixed_text = re.sub(r'\.([A-Za-z])', r'. \1', text)
# 按". "拆分后，给每个片段补回句号
sentences = [f"{s}." for s in fixed_text.split('. ') if s]
print(sentences)

内容的提问来源于stack exchange，提问作者ranni rabadi