的Python如何通過一個對一個單詞列表裏的詞匹配的句子中某些符號標記的字符串來跳過部分

Question

我試圖重建一個句子：

text='acatisananimal' 
words=['cat','is','an','a','animal'] 

for i in words: 
    if i in text: 
     final=text.replace(i,' '+i) 
     text=final 
print(final) 

的？預計產量會像：

a cat is an animal 

如果我跑我的代碼中，「一」和「一個」在「動物」將不可避免地分開了。 所以我想根據長度對單詞列表進行排序，並首先搜索長單詞。

words.sort(key=len) 
words=words[::-1] 

然後我想用特殊符號標記長單詞，並期望程序可以跳過我標記的部分。例如：

acatisan%animal& 

最後我會擦除符號。但我卡在這裏。我不知道該怎麼做才能讓程序跳過'％'和'&'之間的某些部分。誰能幫我？？或者有更好的方法來解決間距問題嗎？非常感謝！

**對於另一種情況，如果文本包括不包括在單詞列表中的單詞？我怎麼會處理此事？

text=‘wowwwwacatisananimal’ 

Answer 1

也許你可以用食指替換詞，所以在final字符串應該是這樣的3 0 1 2 4，然後將其轉換回一句：

text='acatisananimal' 
words=['cat','is','an','a','animal'] 


for i in sorted(words,key=len,reverse=True): 
    if i in text: 
     final=text.replace(i,' %s'%words.index(i)) 
     text=final 
print(" ".join(words[int(i)] for i in final.split())) 

輸出：

a cat is an animal 

Answer 2

你需要一個小的修改在你的代碼，更新代碼行

final=text.replace(i,' '+i) 

to 

final=text.replace(i,' '+i, 1)。這將只取代第一次出現。

所以更新的代碼將

text='acatisananimal' 
words=['cat','is','an','a','animal'] 
for i in words: 
if i in text: 
    final=text.replace(i,' '+i, 1) 
    text=final 
print(final) 

輸出是：

a cat is an animal 

Answer 3

如果您在僅去除符號的一部分得到......那麼正則表達式是你的，你在找什麼for..import一個名爲re的模塊並執行此操作。

import re 
code here 
print re.sub(r'\W+', ' ', final) 

Answer 4

一個更廣義的辦法是找一開始所有有效的話，分裂他們的時間，探索信件的其餘部分，例如：

def compose(letters, words): 
    q = [(letters, [])] 
    while q: 
     letters, result = q.pop() 
     if not letters: 
      return ' '.join(result) 
     for word in words: 
      if letters.startswith(word): 
       q.append((letters[len(word):], result+[word])) 

>>> words=['cat','is','an','a','animal'] 
>>> compose('acatisananimal', words) 
'a cat is an animal' 

如果有潛在的多個可能的話將它變成微不足道的組合來將其變成發生器並用yield代替return以產生所有匹配的句子組成。

人爲的例子（只是return與yield替換）：

>>> words=['adult', 'sex', 'adults', 'exchange', 'change'] 
>>> list(compose('adultsexchange', words)) 
['adults exchange', 'adult sex change'] 

Answer 5

我不會建議使用您匹配的單詞不同的定界符兩邊

它更容易（%並在你的例子&。）在標記的單詞的任一側使用相同的分隔符並使用Python的列表分片。

以下解決方案使用[::n]語法獲取列表中的每個n個元素。

a[::2]得到偶數編號的元素，a[1::2]得到奇數。

>>> fox = "the|quick|brown|fox|jumpsoverthelazydog" 

因爲他們兩邊|字符，'quick'和'fox'是奇數的元素，當你劈在|字符串：

>>> splitfox = fox.split('|') 
>>> splitfox 
['the', 'quick', 'brown', 'fox', 'jumpsoverthelazydog'] 
>>> splitfox[1::2] 
['quick', 'fox'] 

，其餘均爲偶數：

>>> splitfox[::2] 
['the', 'brown', 'jumpsoverthelazydog'] 

因此，通過將|字符中的已知單詞括起來，分割並掃描even-nu複雜的元素，您只能搜索那些尚未匹配的文本部分。這意味着你在已經匹配的單詞中不匹配。

from itertools import chain 


def flatten(list_of_lists): 
    return chain.from_iterable(list_of_lists) 


def parse(source_text, words): 
    words.sort(key=len, reverse=True) 
    texts = [source_text, ''] # even number of elements helps zip function 
    for word in words: 
     new_matches_and_text = [] 
     for text in texts[::2]: 
      new_matches_and_text.append(text.replace(word, f"|{word}|")) 
     previously_matched = texts[1::2] 
     # merge new matches back in 
     merged = '|'.join(flatten(zip(new_matches_and_text, previously_matched))) 
     texts = merged.split('|') 
    # remove blank words (matches at start or end of a string) 
    texts = [text for text in texts if text] 
    return ' '.join(texts) 

>>> parse('acatisananimal', ['cat', 'is', 'a', 'an', 'animal']) 
'a cat is an animal' 
>>> parse('atigerisanenormousscaryandbeautifulanimal', ['tiger', 'is', 'an', 'and', 'animal']) 
'a tiger is an enormousscary and beautiful animal' 

的merge代碼使用zip和flatten功能拼接的新比賽和老一起匹配。它基本上是通過將列表中的偶數和奇數元素進行配對來實現的，然後將結果「拼合」成一個長列表，爲下一個單詞做好準備。

該方法在文本中留下無法識別的單詞。

'beautiful'和'a'處理得好，因爲他們對自己的（即靠近識別的單詞。）

'enormous'和'scary'不是已知的，因爲他們是彼此相鄰，他們離開粘在一起。

下面是如何列出未知的話：

>>> known_words = ['cat', 'is', 'an', 'animal'] 
>>> sentence = parse('anayeayeisananimal', known_words) 
>>> [word for word in sentence.split(' ') if word not in known_words] 
['ayeaye'] 

我很好奇：這是一個生物信息學項目？

Answer 6

列表和字典的理解是另一種方式來做到這一點：

result = ' '.join([word for word, _ in sorted([(k, v) for k, v in zip(words, [text.find(word) for word in words])], key=lambda x: x[1])]) 

所以，我用zip單詞及其在文本位置，sorted的話通過他們的位置在原始文本結合，最後加入結果與' '。