Parsen von Sätzen (oder andere längere strings) in Python (ProblemSetQuestion) Wie Vorgehen?

Okay, so habe ich erfolglos gesucht, die website für die Analyse von langen strings (oder Sätze, wenn Sie bevorzugen) in Python. Wenn es einer zuvor beantworteten Frage der gleichen Art, bitte Umleitung mich zu ihm! Wie Auch Immer, Hallo! Ich bin ein Anfänger-Programmierer (self-teaching Python über das internet) und ich bin auf der Suche nach Hilfe mit einem (scheinbar einfachen) problem. Wenn Sie alle Eingaben für dieses problem, zögern Sie bitte nicht, die Frage zu beantworten, wie Sie sehen, passen, aber es würde wirklich helfen Sie mir, wenn Sie erklärt, Ihre Lösung(en) und /oder Codierung Beispiele, die mir mit ein bisschen mehr Tiefgang! Außerdem meine einzige Idee, um dieses problem zu lösen, ist das entfernen aller puntuation mit ascii-Werten wird das eine sehr lange if-Anweisung dann die Aufteilung der restlichen text, indem Sie die Räume, die übrig beim anfügen an die Liste. In einer Anstrengung, um Ihre Zeit zu sparen und für mich, etwas neues zu lernen, die ich lieber nicht sehen, der längste Ausdruck überhaupt!!! Denken Sie auch bitte daran, dass dies eine Funktion, die eine Liste zurückgibt, so dass nicht die Mühe, Sie zu konvertieren (wieder) in einen string oder in einen anderen Datentyp wie ein Wörterbuch. Vielen Dank im Voraus für jede Hilfe, die Sie bieten!

Ohne weitere Umschweife ist hier die Frage:

Wertet einen string

Erstellen Sie eine Funktion, die einen string als Eingabe und liefert eine Liste aller Wörter, in der >string. Es sollte entfernen Sie alle Satzzeichen, Bindestriche ersetzen mit Leerzeichen.

Beispiele(ruft):

    >>> 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]

Ich bin so sorry für die Ausführung auf code-Länge! Sowieso, ich denke, Sie alle verstehen, was gemacht werden soll, nur aus der Frage selbst. Irgendwelche Vorschläge oder einzigartig/effektive Lösungen sind auf jeden Fall willkommen! - Winkleson

P. s. So sorry für die run-on Sätze und "Walls of Text". Ich bin ein bisschen gesprächig... Jedenfalls nochmals vielen Dank für jede Hilfe!!!

BITTE BEACHTEN SIE, DASS DIE AUSGABE NICHT EINE LISTE! DARÜBER HINAUS SYMBOLE, DIE NICHT IN DER ANTWORT! BITTE VERGESSEN SIE NICHT, DASS! DANKE NOCHMAL FÜR EURE HILFE! SORRY FÜR DIE INCONVIENECE DER AUTOR DER FRAGE NICHT ÜBEREIN DIE ANTWORT!

  • Sie sagen, dass Ihre Ausgabe nicht eine Liste, mit Ausnahme der unter "Parse a String", Sie sagen, sollte es wieder eine Liste. Welche ist es?
  • Ist es nicht eine Liste in der Antwort. Im Beispiel zeigte der Rückkehr eine Liste, sondern der Verfasser der Frage haben müssen, einen Fehler gemacht!
  • Diese strings sind nicht besonders lang. Wenn Leute sprechen von "langen" Zeichenfolgen, die Sie in der Regel bedeuten, sind diejenigen, die viele Megabyte oder sogar Gigabyte groß sein, dass eine Herausforderung sein würde, zu Lesen komplett in den Speicher.
  • Sorry für die Verwirrung, ich werde den Titel ändern zu sentances 🙂 Sorry für die Unannehmlichkeiten!
  • möglich, Duplikat der Extraktion von Wörter aus einem string entfernen von Satzzeichen und die Rückgabe einer Liste mit getrennten Wörter in Python
  • Nie fand ich dies in meiner Suche 😛 Danke für den Hinweis it out!

InformationsquelleAutor Winkleson | 2012-11-20
  1. 1

    Ich würde vorschlagen, mit einer regulärer Ausdruck, wie diese

    import re

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

    Oder mehrere Zeichenfolgen, kompilieren der regex ersten

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

    Im wesentlichen ist zu Fragen, für alle Zeichen, die Buchstaben enthalten, gruppiert nach Zeichen. Wenn man wollte, sagen, gehören vertraglich Worten, Sie könnten nur hinzufügen ', um den Ausdruck, wie diese:

    re.findall(r'[a-zA-Z']+',input_string)
    • war die re-Methode? Ich habe noch nie davon gehört 😛 Auch, etwas mehr Erklärung wäre nett ich bin noch ein Anfänger und ich verstehe nicht, dass der Ausdruck :S
    • re=regular expression. Die meisten Programmiersprachen unterstützen eine Variante von Ihnen, und Sie sind extrem mächtig. Ich habe einen link auf die python docs auf reguläre Ausdrücke (regex kurz). Ich empfehle Ihnen, lernen Sie, wie Sie sind extrem leistungsfähig für diese Art von Sachen.
    • Vielen Dank! Dies scheint wie eine viel einfachere Methode zur Lösung des Problems! Natürlich müssen imput eine Methode, die ich lieber nicht an, es sei denn, es ist nötig), aber danke für die Antwort! (Hey, ich habe gelernt, somethign neue und sehr hilfreich, ich werde versuchen das problem zu lösen, die mit der Nutzung des Codes. Irgendwelche Ideen auf, wie man den Ausgang der konkreten Aufruf (Siehe Aufrufe/Beispiele)?
    • Nur zurück, was hieß, dh return re.findall(...) Sie tun müssen, um Eingang einer Bibliothek, aber es ist eine, die installiert ist mit Python standardmäßig so...
    • Obwohl es kümmert sich um '-' es nicht richtig viel mit Worten wie would've.
    • würde das zurückgeben einer Liste?
    • Es wäre sicher. Give it a shot.
    • Das ist irgendwie das problem, sollte es wieder in diesem format (für die Gründe erklärt jdotjdot): [s,s,s,s] nicht: ['s','s','s','s']. Irgendwelche Vorschläge, formatieren Sie es richtig oder ist es nicht möglich die Rückkehr es in diesem format? DH: es Ist ein Datentyp nicht definiert durch den standard python Bibliothek?
    • Die Liste ist eine Liste von strings. Sie konnte es immer ausdrucken, indem Sie so etwas wie " ".join(list_strings)
    • Ich werde versuchen, dass. Ich verstehe nicht, wie konnte er am Ende mit einem format so ähnlich wie eine Liste :S Jedenfalls nochmals vielen Dank für deine Antwort! Ich verstehe, wie Sie es jetzt tun (das ist wichtig), auch wenn der Autor Beispiele!!! = Antworten. Nochmals vielen Dank!

    InformationsquelleAutor PearsonArtPhoto
  2. 3

    Es ist wirklich einfach mit der Natural Language Toolkit (nltk).

    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]

    Im Einsatz:

    >>> 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']

    Offenbar, die das gewünschte Ergebnis ist ziemlich unklar, aber wenn Sie sind auf der Suche für eine string-version, die Ausgabe, die Sie nehmen könnte, dass tokens variable und tun:

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

    Aussieht:

    >>> 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]

    Deine "walls of text" machen es schwer, herauszufinden, was Sie wollen.

    • Das wird nicht funktionieren, durch das symbol Links in der Zeichenfolge ist und wie es eigentlich die Symbole genannt. Auch die Ausgabe der Liste ist falsch 😛
    • Ja ich habe nur fing die puncutation Anforderung nun die Festsetzung, dass. Einfach zu beheben. Aber was du meinst ist die Ausgabe fehlerhaft?
    • Es sollte nicht wieder eine Liste. Ich weiß nicht, ob es ein Tupel oder nicht, aber sollte es wieder in diesem format: [Hören, seltsam, Frauen, lyin, in Teichen, distributin, Schwerter, ist, keine, Grundlage, für, ein, system, der, Regierung, Supreme, executive, macht, sich, von, einem, Auftrag, von, die, Massen, nicht, von, einige, Farce, aquatisch, Zeremonie]. Es unterscheidet sich von meinem Beispiel ist/Anrufe. Der Autor muss das vermasselt, sorry für die inconvienence!
    • Das format, das Sie gab, nur jetzt IST eine Liste. Es ist eine Liste von strings. Das ist es, was die Antworten so weit zurück.
    • bitte Lesen Sie nochmals meinen Kommentar, den ich gerade bearbeitet die main-post mit der richtigen Ausgabe. Als ich sagte, dass die visuelle Lösung und Tatsächliche Lösung eine völlig andere. singpath.appspot.com hat diese Art von Fragen die ganze Zeit :S Sorry für die inconvienence!
    • Sie gehen zu müssen, um besser zu erklären, alles, was ich sehe, ist [word, word, word] die aussieht und riecht wie eine Liste.
    • Das problem ist das Zitate zwischen den Saiten und den Kommas sollten Sie nicht vorhanden sind :S (Naja, eigentlich sollte es akzeptieren, eine Liste, sondern der Verfasser der Frage versaut seine Antwort nicht passt es mit seinen Beispielen)
    • lassen Sie uns weiter, diese Diskussion im chat
    • Vielen Dank für die Verkettung von Zeichenfolgen mit den gewünschten output!

    InformationsquelleAutor jdotjdot
  3. 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']
    • Das wäre als falsch durch die Symbole Links innerhalb des strings! Netter Versuch, aber 😛
    • Ja habe ich gerade gefangen. Ich habe nicht bekommen, die direkt von der Frage der Beschreibung. Arbeiten an einem patch jetzt ;]
    • Vielen Dank 😀 Wenn es so einfach ist, wie die Aufteilung der Variablen-ich glaube, ich würde einen kleinen Schrei (fast geschafft). Mein problem ist das entfernen der Symbole, ohne eine große if-Anweisung unten splitting 🙂 Es wäre gut zu sehen, so viele Methoden wie möglich, um die gleiche Lösung aber!
    • Ich Frage mich, warum Sie Fragen, wie eine scheinbar einfache Frage. Aber das war, bevor ich sah, dass die Interpunktion fehlte die Antwort :). Tut mir Leid wegen der Verwirrung in den ersten post
    • Kein problem, ich verstehe völlig, wenn Sie Magermilch meine super langen post 😛 Also Sie nur verdichtet die loops/Anweisung alle Sonderzeichen ist? Scheint einfach genug 😀 Danke!
    • Ach geh das hat nicht funktioniert, es scheint, dass das, was zurückgegeben wird, ist: [s, s, s, s] anstelle von: ['s', 's', 's'] Bitte Hilfe!!!
    • Ich nicht Folgen. Es funktioniert auf Ihre Probe-input, und ich verstehe nicht deine Letzte Bemerkung

    InformationsquelleAutor inspectorG4dget
Schreibe einen Kommentar