句点が省略された文章や絵文字を含むメッセージを扱うとき、単純な text.split("。") では文の境界がずれがちです。句点・疑問符・括弧のペアを意識したルールで分割すると安定します。
import re
SENTENCE_END = re.compile(r"([。！？!?]+)(?=[^\\)」』】》”』』】》」]|\Z)")
def split_sentences(text: str) -> list[str]:
parts = []
start = 0
for match in SENTENCE_END.finditer(text):
end = match.end()
sentence = text[start:end].strip()
if sentence:
parts.append(sentence)
start = end
tail = text[start:].strip()
if tail:
parts.append(tail)
return parts
sample = "今日は打ち合わせ！(本当に？)気を付けてね…。了解しました👍"
for i, sentence in enumerate(split_sentences(sample), start=1):
print(i, sentence)
運用のポイント #
- 括弧内の疑問符で分割したくない場合は、
SENTENCE_ENDの除外文字クラスを追加して調整します。 - Slack などで見かける改行を伴わない長文には、句点が無くても 20〜30 文字ごとに強制的に分割するフォールバックを用意すると読みやすくなります。
- 高精度が求められる場合は、日本語に対応した文分割モデル（KUROSHIO、spaCy ja_ginza の
senterなど）を選定し、今回のルールベース分割を簡易版として併用するのがおすすめです。