- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试拆分句子,并保留对话标记。所以像
这样的句子“Dirty, Mr. Jones? Look at my shoes! Not a speck on them.” This is a non-dialogue sentence!
应该返回列表
[
"“Dirty, Mr. Jones?”",
"“Look at my shoes!”",
"“Not a speck on them.”",
"This is a non-dialogue sentence!"
]
我正在努力保留句尾标点符号,同时保留 Mr.
上的句号。我也在努力插入引号,因为当前返回的列表是 ['“Dirty, Mr. Jones”', '“看看我的鞋子”', '“上面没有一点”', ' “”', '这是一个非对话句子', '']
我不知道为什么会得到两个空元素。我该如何解决这些问题?
这是我的代码(最终这将解析整本书,但现在我正在一个短语上测试它):
def get_all_sentences(corpus):
sentences_in_paragraph = []
dialogue = False
dialogue_sentences = ""
other_sentences = ""
example_paragraph = "“Dirty, Mr. Jones? Look at my shoes! Not a speck on them.” This is a non-dialogue sentence!"
example_paragraph = example_paragraph.replace("\n", "") # remove newline
for character in example_paragraph:
if character == "“":
dialogue = True
continue
if character == "”":
dialogue = False
continue
if dialogue:
dialogue_sentences += character
else:
other_sentences += character
sentences_in_paragraph = list(map(lambda x: "“" + x.strip() + "”", re.split("(?<!Mr|Ms)(?<!Mrs)[.!?]", dialogue_sentences)))
sentences_in_paragraph += list(map(lambda x: x.strip(), re.split("(?<!Mr|Ms)(?<!Mrs)[.!?]", other_sentences)))
print(sentences_in_paragraph)
最佳答案
如果添加 print
语句显示中间步骤,可以看到问题是在哪里引入的:
sentence_splitter_regex = "(?<!Mr|Ms)(?<!Mrs)[.!?]"
dialogue_sentences_list = re.split(sentence_splitter_regex, dialogue_sentences)
print("dialogue sentences:", dialogue_sentences_list)
other_sentences_list = re.split(sentence_splitter_regex, other_sentences)
print("other sentences:", other_sentences_list)
sentences_in_paragraph = list(map(lambda x: "“" + x.strip() + "”", dialogue_sentences_list))
sentences_in_paragraph += list(map(lambda x: x.strip(), other_sentences_list))
dialogue sentences ['Dirty, Mr. Jones', ' Look at my shoes', ' Not a speck on them', '']
other sentences [' This is a non-dialogue sentence', '']
re.split
在末尾留下一个空元素。您可以通过使用 for
处理结果来解决此问题。理解 if
不包含空字符串的子句:
[sentence for sentence in sentences_with_whitespace if sentence.strip() != '']
您应该将此代码放入新函数 split_sentences_into_list
中让你的代码井井有条。移动 .strip()
也是有意义的处理来自get_all_sentences
通过更改 for
的第一部分进入此函数理解sentence.strip()
.
import re
def split_sentences_into_list(sentences_string):
sentence_splitter_regex = "(?<!Mr|Ms)(?<!Mrs)[.!?]"
sentences_with_whitespace = re.split(sentence_splitter_regex, sentences_string)
return [sentence.strip() for sentence in sentences_with_whitespace if sentence.strip() != '']
def get_all_sentences(corpus):
sentences_in_paragraph = []
dialogue = False
dialogue_sentences = ""
other_sentences = ""
example_paragraph = "“Dirty, Mr. Jones? Look at my shoes! Not a speck on them.” This is a non-dialogue sentence!"
example_paragraph = example_paragraph.replace("\n", "") # remove newline
for character in example_paragraph:
if character == "“":
dialogue = True
continue
if character == "”":
dialogue = False
continue
if dialogue:
dialogue_sentences += character
else:
other_sentences += character
dialogue_sentences_list = split_sentences_into_list(dialogue_sentences)
other_sentences_list = split_sentences_into_list(other_sentences)
sentences_in_paragraph = list(map(lambda x: "“" + x + "”", dialogue_sentences_list))
sentences_in_paragraph += other_sentences_list
print(sentences_in_paragraph)
get_all_sentences(None)
这有预期的输出:
['“Dirty, Mr. Jones”', '“Look at my shoes”', '“Not a speck on them”', 'This is a non-dialogue sentence']
顺便说一下,标准Python风格是使用for
理解而不是 map
和lambda
如果可能。在这种情况下,它会使您的代码更短:
# from
sentences_in_paragraph = list(map(lambda x: "“" + x + "”", dialogue_sentences_list))
# to
sentences_in_paragraph = ["“" + x + "”" for x in dialogue_sentences_list]
关于python - 从散文中拆分句子,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49780473/
假设我有一个数据集,每行包含一个句子,该句子来自一个非常大的调查(德语和法语)中的一个开放式问题。大多数句子(答案)是合乎逻辑的;即有意义的单词组合。但是,也有一些粗心的受访者只是简单地填写了各种不合
我的 MySQL 数据库中有一个表,其结构如下: CREATE TABLE `papers` ( `id` int(11) NOT NULL AUTO_INCREMENT, `title` varch
在新的 Edge 浏览器(基于 chromium)中,有一个文本到语音的选项,在阅读页面时它会突出显示正在阅读的句子和单词,就像这样 - 过去我有一个简单的 Windows TTS 应用程序,我通过将
我有一本书的图像文件。我正在编写一个 Web 应用程序,用于加载书籍并一次显示一页。我想知道如何在页面中选择一个句子并显示一条消息。据我所知,它必须具有图像坐标。 请参阅http://epaper.d
我使用的 GPS 输出多个 NMEA 语句,可用于定位数据。 (GPGGA 和 GPRMC)。有什么理由我应该使用一个而不是另一个吗?我应该检查它们并比较数据吗?我可以随便挑一个使用吗? 在这一点上,
我想使用TinyGPS++在 Arduino 上解析 NMEA 数据并在 OLED 显示屏上显示信息。但是,NMEA 数据将通过 USB 接收,而不是使用软件串行和 TX/RX 引脚。 我按照 Tin
我需要删除其中的所有空格。 例如:这是我的代码O/P:Thisismycode 这是我到目前为止的代码。 import java.util.Scanner; public class nospace{
我对 python 很陌生,我不知道如何解决以下问题: 我有两个数据框,我想使用某种 VLOOKUP 函数来将句子与特定关键字相匹配。在下面的示例中,(df1) 3e 句子应与“banana”(df2
这个问题已经有答案了: How slicing in Python works (38 个回答) Python list slice syntax used for no obvious reason
我想在我的表格作者的句子列中找到以 # 开头的单词。我不知道我在寻找什么词,因为我只知道它以 # 开头。 表:作者(姓名,句子) 作者 |句子 艾伯特 |我#want to be #discussin
句子
关闭。这个问题需要details or clarity .它目前不接受答案。 想改进这个问题吗? 通过 editing this post 添加细节并澄清问题. 关闭 9 年前。 Improve
我目前正在经历免费代码营的第一个 JS 挑战。 我在标题为“句子首字母大写”的挑战中遇到了问题。在这个挑战中,我需要编写一个函数,将给定字符串中单词的每个第一个字母大写,并将所有其他字母小写。 Her
假设我有一个文本,看起来像这样: Some sentence in which a fox jumps over some fence. Another sentence in which a
我是 C++ 的初学者,我想了解有关字符的更多信息,但我遇到了问题。我试图制作一个程序,它复制一个句子并在空格 (' ') 之间添加一个新行 ('\n'),就像一个单词一个单词地分开一个句子. int
我需要将一个句子(例如“Hello world”)复制到一个字符串列表中,意思是复制到一个字符数组中,其中每 2 个单词由 '\0' 分隔。请注意,单词被定义为一行中没有空格的任意数量的字符。 因此,
我有这样一个字符串, my_str ='·in this match, dated may 1, 2013 (the "the match") is between brooklyn centenni
我在列表中有一堆句子,我想使用 nltk 库来阻止它。我可以一次提取一个句子,但是我在从列表中提取句子并将它们重新组合在一起时遇到了问题。我缺少一个步骤吗? nltk 库很新。谢谢! import n
我有一个词和文本。我必须找到所有包含该词的提案。你有什么想法吗? piblic List GetSnetences(string word) { // search all proposals
我正在通过 doc2vec 模型使用 gensim 库在 Python 中构建 NLP 聊天应用程序。我有硬编码的文档并给出了一组训练示例,我通过抛出用户问题来测试模型,然后第一步找到最相似的文档。在
我有以下代码,每 10 个单词拆分一行。 #!/bin/bash while read line do counter=1; for word in $line do
我是一名优秀的程序员,十分优秀!