python:分割句子进行注释

Question

列表:

matrixA = []
matrixB = []

句子:

sentences 1 = "words1 words2 words3 {matrixA} {matrixB}"
sentences 2 = "words3 words4  {matrixA}"
etc..

结果:

matrixA = "words1 words2 words3", "words3 words4"
matrixB = "words1 words2 words3"
etc..

有什么想法吗，支持的库吗？导入 re、nltk 或 ?可以手动完成，但如果我使用库，我认为速度会更快。

Answer 1

首先，如果您有很多句子，最好将其放入列表中:

sentences = ["words1 words2 words3 {matrixA} {matrixB}", "words3 words4  {matrixA}"]

接下来，对于不同的变量名称，例如 Matrix*，我建议使用 collections 包中的 defaultdict 列表。

from collections import defaultdict
matrices = defaultdict(list)  

现在，循环来了。要获取每个句子中的名称列表，请使用 re.findall。然后，对于找到的每个变量名称，将单词附加到矩阵中该变量名称的列表中。

import re

for s in sentences:
    for m in re.findall("{(.*?)}", s):
        matrices[m].append(s.split('{', 1)[0])

print(dict(matrices))
{
    "matrixA": [
        "words1 words2 words3 ",
        "words3 words4  "
    ],
    "matrixB": [
        "words1 words2 words3 "
    ]
}

这似乎就是您正在寻找的内容。

如果您不需要尾随空格，请附加 s.split('{', 1)[0].strip()，调用 str.strip去掉前导/尾随空白字符。