python 如何根据数字标题划分段落

[Li_Yolanda]

我想把形式为
“总则1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。2、1、1我们是害虫，我们是害虫。2、1，2正义的来福临、正义的来福临。2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~”
切分成这样的列表：
["总则"]
["1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊"]
["1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。"]
["1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。"]
["2、1、1我们是害虫，我们是害虫。"]
["2、1，2正义的来福临、正义的来福临。"]
["2.1.2.1summer summer is over left 1 secret. "]
["2,1.2,2 in my heart in my heart can't tell you~"]
我现在使用的代码：

import re
DOC_SPLIT_RE = u'((\d+[/.,、])(\d+[/.,、]?)+)?'
sentences = re.split(DOC_SPLIT_RE, content_clean)

然而切出来的东西奇形怪状的，我该怎么改呀？

[艾力丰特]

这是在学习？

[Li_Yolanda]

如果要限制不允许数字后面跟%，应该怎么做呢，再加一层判断吗？

[Li_Yolanda]

如果要限制不允许数字后面跟%，应该怎么做呢，再加一层判断吗？ 我找不到回复在哪，不知道是不是这样

引用 1 楼 hskill 的回复:

你的哪个12%不好处理, 除非限制不允许数字后面跟%, 或者判断每次取得的节号都要比前一个大这种逻辑

import re

doc = r"总则1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。2、1、1我们是害虫，我们是害虫。2、1，2正义的来福临、正义的来福临。2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~"
startl = 0
for m in re.finditer(r'(\d+([.,、，]\d)*)', doc):
    if m.start() > startl:
        print(doc[startl: m.start()])
        startl = m.start()
if (startl > 0) and (startl < len(doc)):
    print(doc[startl:])

结果: 总则 1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊 12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊 1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。 1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。 2、1、1我们是害虫，我们是害虫。 2、1，2正义的来福临、正义的来福临。 2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~

[Li_Yolanda]

我想做一个小练习，但是刨下来的数据太不规范了

引用 2 楼 u013252618 的回复:

这是在学习？

[堕落恶魔_Delphi]

你的哪个12%不好处理, 除非限制不允许数字后面跟%, 或者判断每次取得的节号都要比前一个大这种逻辑

import re

doc = r"总则1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。2、1、1我们是害虫，我们是害虫。2、1，2正义的来福临、正义的来福临。2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~"
startl = 0
for m in re.finditer(r'(\d+([.,、，]\d)*)', doc):
    if m.start() > startl:
        print(doc[startl: m.start()])
        startl = m.start()
if (startl > 0) and (startl < len(doc)):
    print(doc[startl:])

结果: 总则 1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊 12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊 1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。 1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。 2、1、1我们是害虫，我们是害虫。 2、1，2正义的来福临、正义的来福临。 2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~

[堕落恶魔_Delphi]

后面不带%我只是举个处理的例子, 但是实际使用不应该这么处理, 因为你不包含了% 还有其他符号呢, 这样就无法形成规则 你应该要做的是, 先找出规则, 再根据规则写代码

引用 4 楼 Li_Yolanda 的回复:

如果要限制不允许数字后面跟%，应该怎么做呢，再加一层判断吗？ 我找不到回复在哪，不知道是不是这样 [quote=引用 1 楼 hskill 的回复:] 你的哪个12%不好处理, 除非限制不允许数字后面跟%, 或者判断每次取得的节号都要比前一个大这种逻辑

import re

doc = r"总则1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。2、1、1我们是害虫，我们是害虫。2、1，2正义的来福临、正义的来福临。2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~"
startl = 0
for m in re.finditer(r'(\d+([.,、，]\d)*)', doc):
    if m.start() > startl:
        print(doc[startl: m.start()])
        startl = m.start()
if (startl > 0) and (startl < len(doc)):
    print(doc[startl:])

结果: 总则 1.1啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊 12%啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊 1,2狼是怎么叫的：口嗷嗷的、口嗷呜呜、口嗷呜嗷、口呜嗷嗷呜呜嗷。 1，3我们都是小青蛙，呱呱呱呱呱。每天快乐的生活，心中志气大。 2、1、1我们是害虫，我们是害虫。 2、1，2正义的来福临、正义的来福临。 2.1.2.1summer summer is over left 1 secret. 2,1.2,2 in my heart in my heart can't tell you~

[/quote]