python - 可以使用这个 soundex 编码的一些帮助

Question

美国人口普查局使用一种称为“soundex”的特殊编码来查找有关个人的信息。 soundex 是一种基于姓氏发音而不是拼写方式的姓氏(姓氏)编码。发音相同但拼写不同的姓氏，如 SMITH 和 SMYTH，具有相同的代码并一起归档。开发了 soundex 编码系统，以便您可以找到一个姓氏，即使它可能以各种拼写形式记录。

在本实验中，您将设计、编码和记录一个程序，该程序在输入姓氏时生成 soundex 代码。系统将提示用户输入姓氏，程序应输出相应的代码。

基本 Soundex 编码规则

姓氏的每个 soundex 编码都由一个字母和三个数字组成。使用的字母始终是姓氏的第一个字母。根据下面显示的 soundex 指南，这些数字被分配给姓氏的其余字母。如有必要，在末尾添加零以始终生成四字符代码。忽略其他字母。

Soundex 编码指南

Soundex 为各种辅音分配了一个编号。发音相似的辅音分配相同的编号:

数字辅音

1 B, F, P, V2 C、G、J、K、Q、S、X、Z3D、T4 公升5男，男6R

Soundex 忽略字母 A、E、I、O、U、H、W 和 Y。

有 3 个额外的 Soundex 编码规则被遵循。一个好的程序设计会将这些分别实现为一个或多个单独的功能。

规则 1. 带双字母的名字

如果姓有任何双字母，则应将其视为一个字母。例如:

• Gutierrez 的编码为 G362(G，T 为 3，第一个 R 为 6，第二个 R 被忽略，Z 为 2)。

规则 2. 具有相同 Soundex 代码编号的并排字母的名称

如果姓氏在 soundex 编码指南中具有相同编号的不同字母并排排列，则应将它们视为一个字母。示例:

• Pfister 编码为 P236(P、F 被忽略，因为它被认为与 P 相同，S 为 2，T 为 3，R 为 6)。

• Jackson 编码为 J250(J，C 为 2，K 忽略与 C 相同，S 忽略与 C 相同，N 为 5，添加 0)。

规则 3. 辅音分隔符

3.a.如果元音 (A、E、I、O、U) 分隔两个具有相同发音代码的辅音，则对元音右侧的辅音进行编码。示例:

• Tymczak 编码为 T-522(T，M 为 5，C 为 2，Z 被忽略(参见上面的“并排”规则)，K 为 2)。由于元音“A”将 Z 和 K 分开，因此对 K 进行了编码。

3.b.如果“H”或“W”分隔两个具有相同发音代码的辅音，则右侧的辅音不被编码。示例:

*Ashcraft 编码为 A261(A，2 代表 S，C 被忽略，因为与 S 相同，中间有 H，6 代表 R，1 代表 F)。它没有编码为 A226。

到目前为止，这是我的代码:

surname = raw_input("Please enter surname:")
outstring = ""

outstring = outstring + surname[0]
for i in range (1, len(surname)):
    nextletter = surname[i]
    if nextletter in ['B','F','P','V']:
        outstring = outstring + '1'

    elif nextletter in ['C','G','J','K','Q','S','X','Z']:
        outstring = outstring + '2'

    elif nextletter in ['D','T']:
        outstring = outstring + '3'

    elif nextletter in ['L']:
        outstring = outstring + '4'

    elif nextletter in ['M','N']:
        outstring = outstring + '5'

    elif nextletter in ['R']:
        outstring = outstring + '6'

print outstring

代码足以满足要求，我只是不确定如何编写这三个规则。那就是我需要帮助的地方。因此，我们将不胜感激。

Answer 1

这里有一些关于一般 Python 内容的小提示。

0) 您可以使用 for 循环遍历任何序列，字符串算作一个序列。所以你可以这样写:

for nextletter in surname[1:]:
    # do stuff

这比计算索引和索引姓氏更容易编写和理解。

1) 您可以使用+= 运算符附加字符串。而不是

x = x + 'a'

你可以写

x += 'a'

至于对您的具体问题的帮助，您需要跟踪上一封信。如果您的作业有一条规则说“连续的两个‘z’字符应编码为 99”，您可以添加如下代码:

def rule_two_z(prevletter, curletter):
    if prevletter.lower() == 'z' and curletter.lower() == 'z':
        return 99
    else:
        return -1


prevletter = surname[0]
for curletter in surname[1:]:
    code = rule_two_z(prevletter, curletter)
    if code < 0:
        # do something else here
    outstring += str(code)
    prevletter = curletter

嗯，您编写的代码是返回字符串整数，例如 '3'，而我编写的代码是返回一个实际的整数，然后调用 str()在将它添加到字符串之前。无论哪种方式都可能没问题。

祝你好运!