python - 如何将文本变成嵌套列表

Question

我正在尝试将文本输入转换为保留其结构的嵌套列表。目前我有一个函数，它接受文本和所需的“深度”并输出该深度的嵌套列表，在每个换行符、句子或单词处打破文本。

def text_split(text, depth):
    depth_list = [' ', '.', '\n']
    if isinstance(text, str):
        text = text.strip('. ')
        text = text.split(depth_list[depth])
    if depth >= 0:
        depth -= 1
        for ix, item in enumerate(text):
                item = item.strip('. ')
                text[ix] = text_split(item, depth)
    return text

这需要文本，例如

text1 = """acabei de ler um livro. um diário.
mas a liberdade sempre chamou fountaine mais forte.
a cada viagem fountaine ía mais longe. aprendeu a andar de bicicleta e viajou o sul da frança.

esse é o tipo de pergunta feita na última edição do prêmio Loebner, em que participantes precisam responder à algumas questões feitas pelo júri.

o que tem de especial nessa competição é que ela não é para humanos, mas sim para robôs. o prêmio Loebner é uma implementação do teste de Turing.

"""

进入

[   [[['acabei'], ['de'], ['ler'], ['um'], ['livro']], [['um'], ['diário']]],
[   [   ['mas'],
        ['a'],
        ['liberdade'],
        ['sempre'],
        ['chamou'],
        ['fountaine'],
        ['mais'],
        ['forte']]],
[   [   ['a'],
        ['cada'],
        ['viagem'],
        ['fountaine'],
        ['ía'],
        ['mais'],
        ['longe']],
    [   ['aprendeu'],
        ['a'],
        ['andar'],
        ['de'],
        ['bicicleta'],
        ['e'],
        ['viajou'],
        ['o'],
        ['sul'],
        ['da'],
        ['frança']]],
[[['']]], ... ]]]]

现在这可能不是最好或最优雅的方式，并且它有一些问题，例如 [[['']]]出现在 \n 之后被分割(可以通过使用 .splitlines() 来解决，但我找不到在递归函数中调用此方法的好方法)。

有什么更好的方法可以做到这一点？我应该使用嵌套列表吗？ (我计划稍后对此进行迭代)。感谢您的建议!

Answer 1

这是我能想到的最好的满足您要求的方案:

text = []
for line in text1.split('\n'):
  sentences = []
  for sentence in line.split('.'):
    words = []
    for word in sentence.split(' '):
      if len(word.strip()) > 0: # make sure we are adding something
        words.append(word.strip())
    if len(words) > 0:
      sentences.append(words)
  if len(sentences) > 0:
    text.append(sentences)

使用此方法，我们可以为数组提供明确定义的结构，并且可以确保没有任何空白或空数组。另外，在这里使用递归并不是一件好事，因为文本应该具有清晰的结构。您知道递归深度不会超过 3 层。

此外，如果您想要递归版本，您应该在问题中说明并明确要求。