NLTK正则表达式令牌生成器在正则表达式中不能与小数点配合良好
问题内容：
我正在尝试编写文本规范化程序，需要处理的一种基本情况是将类似的东西3.14变成three point one four或three point fourteen。
我目前正在将模式\$?\d+(\.\d+)?%?与一起使用nltk.regexp_tokenize，我认为它应该处理数字以及货币和百分比。但是，此刻，类似的东西$23.50已被完美处理（解析为['$23.50']），但3.14解析为['3', '14']-小数点被删除了。
我尝试将一个模式单独添加\d+.\d+到我的正则表达式中，但这无济于事（并且我当前的模式不应该已经匹配吗？）
编辑2
：我也刚刚发现该%零件似乎也不能正常工作-20%只是返回['20']。我觉得我的正则表达式一定有问题，但是我已经在Pythex中对其进行了测试，看起来还好吗？
编辑 ：这是我的代码。
import nltk
import re
pattern = r'''(?x) # set flag to allow verbose regexps
([A-Z]\.)+ # abbreviations, e.g. U.S.A.
| \w+([-']\w+)* # words w/ optional internal hyphens/apostrophe
| \$?\d+(\.\d+)?%? # numbers, incl. currency and percentages
| [+/\-@&*] # special characters with meanings
'''
words = nltk.regexp_tokenize(line, pattern)
words = [string.lower(w) for w in words]
print words
这是我的一些测试字符串：
32188
2598473
26 letters from A to Z
3.14 is pi. <-- ['3', '14', 'is', 'pi']
My weight is about 68 kg, +/- 10 grams.
Good muffins cost $3.88 in New York <-- ['good', 'muffins', 'cost', '$3.88', 'in', 'new', 'york']
问题答案：
罪魁祸首是：
\w+([-']\w+)*
\w+将匹配数量和因为没有.出现，这将只匹配3在3.14。将选项稍微移动一点，使其\$?\d+(\.\d+)?%?在上述正则表达式部分之前（以便首先尝试在数字格式上进行匹配）：
(?x)([A-Z]\.)+|\$?\d+(\.\d+)?%?|\w+([-']\w+)*|[+/\-@&*]
或以扩展形式：
pattern = r'''(?x) # set flag to allow verbose regexps
([A-Z]\.)+ # abbreviations, e.g. U.S.A.
| \$?\d+(\.\d+)?%? # numbers, incl. currency and percentages
| \w+([-']\w+)* # words w/ optional internal hyphens/apostrophe
| [+/\-@&*] # special characters with meanings
'''
