1

如何检测字符串后缀并从列表中删除这些后缀元素? 我知道这看起来像一个 NLP、词干提取/词形还原任务,但该任务需要一个更简单的功能。

鉴于,如果列表中存在非后缀项,我需要删除具有s和后缀的元素:es

alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']

我需要输出:

alist = ['bar','barbar','foo','foofoos']

我尝试了以下方法,但它不起作用,因为当我整理 alist 时,它['bar', 'barbar', 'barbares', 'bares', 'foo', 'foofoos', 'foos']没有['bar', 'bares', 'barbar', 'barbares', 'foo', 'foos', 'foofoos']

alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']

prev = ""
no_s_list = []
for i in sorted(alist):
  if i[-2:] == "es" and i[:-2] == prev:
    continue
  elif i[-1:] == "s" and i[:-1] == prev:
    contine
  else:
    prev = i
    no_s_list.append(i)

上述输出:

>>> sorted(alist)
['bar', 'barbar', 'barbares', 'bares', 'foo', 'foofoos', 'foos']
4

2 回答 2

8
def rm_suffix(s,suffixes):
    for suf in suffixes:
       if s.endswith(suf):
          return s[:-len(suf)]
    return s

alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']
salist = set(alist)
suffixes = ('es','s')
blist = [x for x in alist 
         if (not x.endswith(suffixes)) or (rm_suffix(x,suffixes) not in salist)]
print blist  # ['bar', 'barbar', 'foo', 'foofoos']
于 2013-03-05T14:33:27.303 回答
1

你也可以regex在这里使用:

re.split()将返回类似:

barbar-->['barbar']

foos-->['foo', 's', '']

barbares-->['barbar', 'es', '']

foofoos-->['foofoo', 's', '']

因此,如果返回列表的长度大于 1,并且在此返回列表中找到第一个元素,alist则可以将其删除。

code

In [106]: alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']

In [107]: s=set(alist)

In [108]: for x in s.copy():
     sol=re.split(r'(es|s)$',x)
     if len(sol)>1 and sol[0] in s:
         s.remove(x)
   .....:         

In [109]: s
Out[109]: set(['bar', 'foofoos', 'barbar', 'foo'])
于 2013-03-05T14:52:14.083 回答