如何使用NLTK从文本中提取报价
这个问题在这里已经有了答案：
正如Mayur所说的，你可以通过一个正则表达式来提取引号之间的所有内容
list = re.findall("".*?"", string)
你会遇到的问题是，实际上不是引号的引号之间会有惊人的大量内容。
如果您正在学术文章，您可以在收盘后查找一个数字来选择脚注编号。 除非有学术文章，也许你可以运行如下的东西：
"(said|writes|argues|concludes)(,)? ".?""
可以更精确，但是会失去引号的风险，比如blockquotes（blockquotes会引起你的问题，因为它们可以在结束引号之前包含换行符）
至于使用NLTK，我不能想到除了可能用wordnet找到“说”的同义词外，其他任何东西都会有很多帮助。
这符合一种模式，即您正在查找的数据总是在引号""之间。 简而言之，您可以使用正则表达式进行模式匹配。 让我们以这个例子she said " DAS A SDASD sdasdasd SADSD", " SA23 DSD " ASDAS "ASDAS1 3123$ %$%"
适用于您的基本示例的正则表达式是 -
list = re.findall("".*?"", string)
List给我们['" DAS A SDASD SADASD SADSD"', '" SA23 DSD "', '"ASDAS1 3123$ %$%"']
在这里， .*? 匹配任何字符（除了换行符），并且模式字面上匹配引号（开始“ "和结尾" ）。
请注意，引号内的引号会破坏此代码。 你不会得到预期的输出。
链接地址: http://www.djcxy.com/p/65163.html