python - 更新文本中的标记词

Question

我有一个标记文本。标记文本包含一些不正确的标记词。所以我为原始标记器无法标记的单词制作了一个基于规则的标记器。我想在标记文本中仅用正确的标记词替换错误的标记词。标记文本的格式为

il/P ragazzo/V vuole/V andare/V a/P scuola/V`

正确标签的格式是:

[(u'porta', 'NN'), (u'scuola', 'NN'), (u'ragazzo', 'NN')]

输出将是`

il/P ragazzo/NN vuole/V andare/V a/P scuola/NN`

我尝试创建两个字典:一个用于标记文本，另一个用于正确的标记，然后在键相同后替换值，但字典不尊重文本的原始顺序，而是给我输出无序。有人可以知道如何替换原文中不正确的标记词吗？谢谢

Answer 1

您可以使用标签字典，然后在循环中将输入转换为输出，并保留顺序:

input = 'hil/P ragazzo/V vuole/V andare/V a/P scuola/V'
rules = [(u'porta', 'NN'), (u'scuola', 'NN'), (u'ragazzo', 'NN')]

rules_dict = {rule[0]: rule[1] for rule in rules}

parts = []
for token in input.split():
    word, type = token.split('/')
    if word in rules_dict:
        parts.append(word + '/' + rules_dict[word])
    else:
        parts.append(token)

output = ' '.join(parts)
print(output)