1

我正在尝试使用康奈尔电影数据集来创建一个聊天机器人。这是我要从中提取的字符串列表的格式，保存为 conv_lines：

["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]

我正在尝试通过提取每个字符串中的列表来从上面的字符串列表中创建以下列表。

[['L194', 'L195', 'L196', 'L197'],
 ['L198', 'L199'],
 ['L200', 'L201', 'L202', 'L203']]

我找到了这段代码，但不明白它是如何工作的。有人请解释一下。

convs = [ ]
for line in conv_lines[:-1]:
    _line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
    convs.append(_line.split(','))

我不明白为什么在 for 语句中使用 [:-1] 以及在拆分后的代码之后。

4

3 回答 3

1

您可以使用ast.literal_eval和re：

import re, ast
d = ["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']","u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']", "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]
new_d = [ast.literal_eval(re.findall('\[[\w\W]+\]', i)[0]) for i in d]

输出：

[['L194', 'L195', 'L196', 'L197'], ['L198', 'L199'], ['L200', 'L201', 'L202', 'L203']]
于 2018-07-04T17:01:35.760 回答
1
  • 用于re在之间查找内容[]
  • 用于ast.literal_eval获取列表对象

演示：

import re
import ast
data = ["u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L198', 'L199']",
 "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L200', 'L201', 'L202', 'L203']"]

res = []
for i in data:
    val = re.findall(r"\[.*?\]", i)[0]
    res.append(ast.literal_eval(val))
print(res)

输出：

[['L194', 'L195', 'L196', 'L197'], ['L198', 'L199'], ['L200', 'L201', 'L202', 'L203']]
于 2018-07-04T17:03:21.073 回答
1

为了了解您的问题，了解上下文会有所帮助。幸运的是，我确切地知道上下文，因为我参加了与您相同的 Udemy 课程。;)

convs = []
for line in conv_lines[:-1]:
    _line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
    convs.append(_line.split(','))

for items in some_list[:-1]通常意味着您正在遍历列表，直到并排除该列表中的最后一项。

例如：

l = [1,2,3,4]
for i in l[:-1]:
    print(i)
Out[ ]:
1
2
3

现在了解这对您发布的代码意味着什么。在for语句中，除了最后一项之外，您每行都抓取所有内容。所以最后一项一定是没用的垃圾。不要相信我的话。核实。向你展示了什么print(conv_lines[-1])？

现在用于 [-1] 的其他用途。尝试首先使用原始数据中的一行来分解它。

line = "u0 +++$+++ u2 +++$+++ m0 +++$+++ ['L194', 'L195', 'L196', 'L197']"
convs = []
_line = line.split(' +++$+++ ')[-1] # notice I truncated after this.
convs.append(_line.split(','))

这会返回什么？

convs
Out[ ]:
[["['L194'", " 'L195'", " 'L196'", " 'L197']"]]

而现在呢。

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1] # truncated again, but after adding back a bit.
convs.append(_line.split(','))

这会返回什么？

convs
Out[ ]:
[["'L194'", " 'L195'", " 'L196'", " 'L197'"]]

继续前进。

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1].replace("'","") # truncated less
convs.append(_line.split(','))

回报：

convs
Out[ ]:
[['L194', ' L195', ' L196', ' L197']]

最后：

convs = []
_line = line.split(' +++$+++ ')[-1][1:-1].replace("'","").replace(" ","")
convs.append(_line.split(','))

返回 superdatascience 人员提供的其余代码所需的内容：

convs
Out[ ]:
[['L194', 'L195', 'L196', 'L197']]

请记住，此示例仅使用一行。使用for循环，您将使用convs不止一个 4 位字符串列表填充列表。这有帮助吗？

于 2018-07-04T17:43:48.797 回答