Python条件连接不以标点符号结尾的*连续*字符串

Question

我有一个单词列表，

list1 = ['hello', 'how', 'are', 'you?', 'i', 'am', 'fine', 'thanks.', 'great!']

我想加入，

list2 = ['hello how are you?', 'i am fine thanks.', 'great!']

有没有一种简单的Pythonic方法可以做到这一点？我曾考虑过进行 itertools.groupby 连接，但问题是我组中的所有元素都不具有相同的标准(我不能只查询它们是否都有标点符号)。基本上，是否包含元素 x 是潜在元素 x+n 的函数，其中 n 可能很大。这使问题变得复杂。

Answer 1

不要使用groupby()；对于那些带标点符号和不带标点符号的单词，您会得到单独的组，然后您必须重新组合它们。

使用生成器函数:

import string

def sentence_groups(l, punctuation=tuple(string.punctuation)):
    group = []
    for w in l:
        group.append(w)
        if w.endswith(punctuation):
            yield group
            group = []
    if group:
        yield group

生成器从输入列表中收集单词，直到其中一个以标点符号结尾，此时生成整个组，之后该组将被清除以用于新组。

当迭代结束并且组中仍然有单词时，最后一组也会产生(即使它们末尾没有标点符号)。

将其与 str.join() 一起使用来生成输出:

>>> list1 = ['hello', 'how', 'are', 'you?', 'i', 'am', 'fine', 'thanks.', 'great!']
>>> [' '.join(group) for group in sentence_groups(list1)]
['hello how are you?', 'i am fine thanks.', 'great!']

我在 string.punctuation 中使用了所有标点符号字符串;这是相当广泛的:

>>> string.punctuation
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'

如果您想缩小范围，请传入特定标点字符的元组作为第二个参数，或者硬编码您自己的定义。