2

好的，所以我没有成功搜索该网站以在 Python 中解析长字符串（或句子，如果您愿意）。如果有以前回答过的相同性质的问题，请将我重定向到它！总之，嗨！我是一名初学者程序员（使用互联网自学 Python），我正在寻找一个（看似简单的）问题的帮助。如果您对此问题有任何意见，请不要犹豫，按照您认为合适的方式回答问题，但如果您向我解释您的解决方案或编码示例，这将真正对我有所帮助！此外，我解决这个问题的唯一想法是使用 ascii 值删除所有标点符号，如果语句将非常长，然后使用剩余的空格将剩余的文本拆分，同时将它们附加到列表中。为了节省您的时间并让我学习新的东西 宁愿看不到最长的表达式语句！另请记住，这是一个返回列表的函数，因此不要费心将其（返回）转换为字符串或不同的数据类型，例如字典。提前感谢您提供的任何帮助！

废话不多说，问题来了：

解析一个字符串

创建一个将字符串作为输入并返回 >string 中所有单词的列表的函数。它应该删除所有标点符号，用空格替换破折号。

示例（电话）：

    >>> parse("Listen, strange women lyin' in ponds distributin' swords is no basis for a system of government. Supreme executive power derives from a mandate from the masses, not from some farcical aquatic ceremony.") 
   [Listen, strange, women, lyin, in, ponds, distributin, swords, is, no, basis, for, a, system, of, government, Supreme, executive, power, derives, from, a, mandate, from, the, masses, not, from, some, farcical, aquatic, ceremony] 
    >>> parse("What... is the air-speed velocity of an unladen swallow?") 
    [What, is, the, air, speed, velocity, of, an, unladen, swallow]

对于代码长度的运行，我感到非常抱歉！无论如何，我认为你们都明白仅从问题本身应该做什么。绝对欢迎任何建议或独特/有效的解决方案！- 温克尔森

Ps 对于连续的句子和“文本墙”非常抱歉。我有点健谈...无论如何，再次感谢您的帮助！

请注意，输出不是列表！答案中不能包含更多符号！请不要忘记！再次感谢你的帮助！抱歉，问题的作者与答案不匹配！

4

3 回答 3

3

使用自然语言工具包 (nltk)真的很容易。

import nltk, string
text = "Listen, strange women lyin' in ponds distributin' swords is no basis for a system of government. Supreme executive power derives from a mandate from the masses, not from some farcical aquatic ceremony."

tokens = nltk.word_tokenize(text)

# remove punctuation
tokens = [word.replace("-"," ") for word in tokens if word not in string.punctuation]

正在使用：

>>> text = "Listen, strange women lyin' in ponds distributin' swords is no basis
 for a system of government. Supreme executive power derives from a mandate from
 the masses, not from some farcical aquatic ceremony."
>>> tokens = nltk.word_tokenize(text)
>>> tokens = [word.replace("-"," ") for word in tokens if word not in string.punctuation]
>>> tokens
['Listen', 'strange', 'women', 'lyin', 'in', 'ponds', 'distributin', 'swords', '
is', 'no', 'basis', 'for', 'a', 'system', 'of', 'government.', 'Supreme', 'execu
tive', 'power', 'derives', 'from', 'a', 'mandate', 'from', 'the', 'masses', 'not
', 'from', 'some', 'farcical', 'aquatic', 'ceremony']

显然，您想要的输出非常不清楚，但如果您正在寻找该输出的字符串版本，您可以使用该tokens变量并执行以下操作：

print '[' + ', '.join(tokens) + ']'

好像：

>>> print '['+', '.join(tokens)+']'
[Listen, strange, women, lyin, in, ponds, distributin, swords, is, no, basis, fo
r, a, system, of, government., Supreme, executive, power, derives, from, a, mand
ate, from, the, masses, not, from, some, farcical, aquatic, ceremony]

你的“文字墙”确实让你很难弄清楚你想要什么。

于 2012-11-20T20:08:10.813 回答
2 
In [133]: punc = set('.,<>!@#$%^&*()-_+=]}{[\\|')

In [134]: [''.join(char for char in word if char not in punc) for word in "Listen, strange women lyin' in ponds distributin' swords is no basis for a system of government. Supreme executive power derives from a mandate from the masses, not from some farcical aquatic ceremony.".split()]
Out[134]: 
['Listen',
 'strange',
 'women',
 "lyin'",
 'in',
 'ponds',
 "distributin'",
 'swords',
 'is',
 'no',
 'basis',
 'for',
 'a',
 'system',
 'of',
 'government',
 'Supreme',
 'executive',
 'power',
 'derives',
 'from',
 'a',
 'mandate',
 'from',
 'the',
 'masses',
 'not',
 'from',
 'some',
 'farcical',
 'aquatic',
 'ceremony']
于 2012-11-20T19:50:12.557 回答
1

我建议使用正则表达式，像这样

import re

re.findall(r'[a-zA-Z]+',input_string)

或者做多个字符串，先编译正则表达式

regexp=re.compile(r'[a-zA-Z]+')
regexp.findall(test)

本质上，这是要求所有包含字母的字符，按字符分组。例如，如果您想包含缩略词，您只需将 ' 添加到表达式中，如下所示：

re.findall(r'[a-zA-Z']+',input_string)
于 2012-11-20T20:09:45.493 回答