缩略语和连字符的印刷
缩略语和连字符的印刷
提问于 2019-10-01 05:38:42
我需要识别所有的缩写和连词在我的句子开始。当他们被识别出来时，需要打印出来。对于此标识，我的代码似乎不能很好地工作。
import re
sentence_stream2=df1['Open End Text']
for sent in sentence_stream2:
abbs_ = re.findall(r'(?:[A-Z]\.)+', sent) #abbreviations
hypns_= re.findall(r'\w+(?:-\w+)*', sent) #hyphenated words
print("new sentence:")
print(sent)
print(abbs_)
print(hypns_)我的语料库中的一句话之一是:使用云数据分析环境的DevOps与APIs &事件驱动的体系结构，自助服务BI。
这方面的产出是：
new sentence:
DevOps with APIs & event-driven architecture using cloud Data Analytics environment Self-service BI
[]
['DevOps', 'with', 'APIs', 'event-driven', 'architecture', 'using', 'cloud', 'Data', 'Analytics', 'environment', 'Self-service', 'BI']预期产出如下：
new sentence:
DevOps with APIs & event-driven architecture using cloud Data Analytics environment Self-service BI
['APIs','BI']
['event-driven','Self-service']回答 3
Stack Overflow用户
回答已采纳
发布于 2019-10-01 05:46:21
缩略语的规则不匹配。如果您想要找到超过一个连续大写字母的单词，您可以使用的规则是：
abbs_ = re.findall(r'(?:[A-Z]{2,}s?\.?)', sent) #abbreviations这将与API和BI相匹配。
t = "DevOps with APIs & event-driven architecture using cloud Data Analytics environment Self-service BI"
import re
abbs_ = re.findall(r'(?:[A-Z]\.)+', t) #abbreviations
cap_ = re.findall(r'(?:[A-Z]{2,}s?\.?)', t) #abbreviations
hypns_= re.findall(r'\w+-\w+', t) #hyphenated words fixed
print("new sentence:")
print(t)
print(abbs_)
print(cap_)
print(hypns_)输出：
DevOps with APIs & event-driven architecture using cloud Data Analytics environment Self-service BI
[] # your abbreviation rule - does not find any capital letter followed by .
['APIs', 'BI'] # cap_ rule
['event-driven', 'Self-service'] # fixed hyphen rule这很可能找不到所有的缩写，比如
t = "Prof. Dr. S. Quakernack"所以你可能需要用更多的数据和f.e来调整它。http://www.regex101.com
Stack Overflow用户
发布于 2019-10-01 05:48:27
我建议：
abbs_ = re.findall(r'\b[A-Z]+s?\b', sent) #abbreviations
hypns_ = re.findall(r'\w+(?:-\w+)*', sent) #hyphenated wordsStack Overflow用户
发布于 2019-10-01 06:00:08
如你所知，我在我的课程中得到了一切
"As“是缩写词吗？如果没有，那么您需要丢弃单个大写字母后面的Ss，并且只收集至少对，可选地后面跟着一个在API中。所以,
abbs_ = re.findall(r'\b(?:[A-Z][A-Z]+s?)\b', sent) #abbreviations\b需要确保您也不会收获诸如ImNotAGirl之类的东西，因为在中间是AG对。
然后你必须得到缩写:一个单词(\w+)，后面至少有一个连字符-词序列：
hypns_= re.findall(r'\b(?:\\w+(-\w+)+)\b', sent) #hyphenated words页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58178639
复制相关文章
相似问题
腾讯云开发者
