我目前正在使用 Python v2.6 并尝试将单词合并成一行。我的代码应该从文本文件中读取数据,其中我有两行数据,它们都是字符串。然后,每次取第二行数据,都是句子中的单词,用分隔符字符串分隔,这样:
在 .txt 中:
"delimiter_string"
"row_1_data" "row_2_data"
"row_1_data" "row_2_data"
"row_1_data" "row_2_data"
"row_1_data" "row_2_data"
"row_1_data" "row_2_data"
"delimiter_string"
"row_1_data" "row_2_data"
"row_1_data" "row_2_data"
...
那些“row_2_data”将在后面加起来成为一个句子。顺便说一句,很抱歉介绍很长。
这是我的代码:
import sys
import re
newLine = ''
for line in sys.stdin:
word = line.split(' ')[1]
if word == '<S>+BSTag':
continue
elif word == '</S>+ESTag':
print newLine
newLine = ''
continue
else:
w = re.sub('\[.*?]', '', word)
if newLine == '':
newLine += w
else:
newLine += ' ' + w
“BSTag”是“句子开始”的标记,“ESTag”是“句子结束”的标记:所谓的“定界符”。 “re.sub”用于特殊目的,据我检查它是有效的。
问题是,当我在 linux 中使用以下命令从命令行执行此 python 脚本时:$ cat file.txt |脚本.py | less,我看不到任何输出,只有一个空白文件。
对于不熟悉linux的 friend ,我猜这个问题与终端执行无关,可以忽略这部分。简单地说,代码没有按预期工作,我找不到一个错误。
任何帮助将不胜感激,感谢您阅读这篇长篇文章:)
好的,问题解决了,其实是语料库错误,而不是编码错误。在文本文件中检测到一个非常奇怪的条目,这导致了问题。删除它解决了它。如果您想要类似的文本处理,您可以使用这两种方法:我的方法和“snurre”提供的方法。
干杯。
最佳答案
def foo(lines):
output = []
for line in lines:
words = line.split()
if len(words) < 2:
word = words[0]
else:
word = words[1]
if word == '</S>+ESTag':
yield ' '.join(output)
output = []
elif word != '<S>+BSTag':
output.append(words[1])
for sentence in foo(sys.stdin):
print sentence
您的正则表达式有点古怪。据我所知,它正在用 ''
替换(包括)一对 [
和 ]
之间的任何内容,因此它最终打印空字符串。
关于python - 将单词合并成一行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13993617/