python - 避免作者姓名拆分Python

Question

我正在阅读 PDF 文件并在分隔符（' . '）的基础上拆分整个文本，但该 PDF 还包含这样的作者姓名；

类似于 Valenzuela 等人的工作。[1] 和朱等人。[2]，我们使用了从引用到被引用论文的引用、每节引用和作者重叠等特征。

我的代码像这样将这一行分成3行

• 类似于 Valenzuela 等人的工作
• [1] 和朱等人
• [2]，我们使用从引用到被引用论文的引用、每节引用和作者重叠等特征

这是我阅读pdf文本并将其拆分的代码；

from tika import parser
import re

rege x = re.compile(r'\[\d]')

objFile = parser.from_file('read.pdf')
text = objFile['content']
lstString = text.strip()
lstString = lstString.split(".")

谁能帮助我如何避免作者姓名分裂？

标签： pythonsplitpdf-reader