2

我目前正在使用 Python v2.6 并尝试将单词合并成一行。我的代码应该从文本文件中读取数据,其中我有两行数据,它们都是字符串。然后,它每次都取第二行数据,即句子的单词,它们用分隔符字符串分隔,例如:

在 .txt 内:

"delimiter_string"
"row_1_data" "row_2_data"  
"row_1_data" "row_2_data"  
"row_1_data" "row_2_data"  
"row_1_data" "row_2_data"  
"row_1_data" "row_2_data"  
"delimiter_string" 
"row_1_data" "row_2_data"  
"row_1_data" "row_2_data"  
...

那些“row_2_data”将在以后加起来一个句子。很抱歉,顺便说一句,介绍太长了。

这是我的代码:

import sys
import re

newLine = ''

for line in sys.stdin:

    word = line.split(' ')[1]

    if word == '<S>+BSTag': 
        continue

    elif word == '</S>+ESTag':
        print newLine
        newLine = ''
        continue

    else:
        w = re.sub('\[.*?]', '', word)

        if newLine == '':
            newLine += w
        else:
            newLine += ' ' + w

“BSTag”是“Sentence Begins”的标签,“ESTag”是“Sentence Ends”的标签:即所谓的“分隔符”。“re.sub”用于特殊目的,据我检查它可以工作。

问题是,当我在 linux 的命令行中使用以下命令执行这个 python 脚本时: $ cat file.txt | 脚本.py | 少,我看不到任何输出,而只是一个空白文件。

对于不熟悉linux的人来说,我猜这个问题与终端执行无关,所以你可以忽略这部分。简单地说,代码没有按预期工作,我找不到一个错误。

任何帮助将不胜感激,并感谢您阅读长篇文章:)


好的,问题解决了,实际上是语料库错误而不是编码错误。在文本文件中检测到一个非常奇怪的条目,这导致了问题。删除它解决了它。如果您想要类似的文本处理,您可以使用这两种方法:我的方法和“snurre”提供的方法。

干杯。

4

2 回答 2

1
def foo(lines):
    output = []
    for line in lines:
        words = line.split()
        if len(words) < 2:
            word = words[0]
        else:
            word = words[1]
        if word == '</S>+ESTag':
            yield ' '.join(output)
            output = []
        elif word != '<S>+BSTag':
            output.append(words[1])

for sentence in foo(sys.stdin):
    print sentence

你的正则表达式有点时髦。据我所知,它正在替换(包括)一对[and之间]的任何内容'',因此它最终会打印空字符串。

于 2012-12-21T16:36:35.847 回答
0

我认为问题在于脚本没有被执行(除非你只是在你发布的代码中排除了shebang )

试试这个

cat file.txt | python script.py | less
于 2012-12-21T16:35:03.593 回答