使用 nltk 分割句子，同时保留引号

我正在使用 nltk 将文本拆分为句子单元。但是，我需要将包含引号的句子提取为一个单元。现在，每个句子，即使它在引用中，也会被提取为一个单独的部分。

这是我尝试将其提取为单个单元的示例：

"This is a sentence. This is also a sentence," said the cat.

现在我有这个代码：

import nltk.data
tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')

text = 'This is a sentence. This is also a sentence," said the cat.'

print '\n-----\n'.join(tokenizer.tokenize(text, realign_boundaries=True))

这工作得很好，但我想维护带有引号的句子，即使引号本身包含多个句子。

上面的代码产生：

This is a sentence.
-----
This is also a sentence," said the cat.

我试图将整个文本提取为一个单元：

"This is a sentence. This is also a sentence," said the cat.

有没有一种简单的方法可以使用 nltk 来做到这一点，或者我应该使用正则表达式？开始使用 nltk 的简单性给我留下了深刻的印象，但现在我陷入了困境。

如果我正确理解问题，那么这个正则表达式应该可以做到：

import re

text = '"This is a sentence. This is also a sentence," said the cat.'

for grp in re.findall(r'"[^"]*\."|("[^"]*")*([^".]*\.)', text):
    print "".join(grp)

它是 2 个模式 or 的组合。第一个找到普通的引用句子。第二个查找普通句子或带有引号的句子，后跟句点。如果您有更复杂的句子，可能需要进一步调整。