删除python中的字符中间字符串(可迭代)
我有一个很长的字符串列表，其中包含4条信息。我是通过在空格中分割它们来建立索引的。不幸的是，在一些字符串中，第二条信息中也有一个空格。我希望能够删除两个冒号之间的任何空格。下面是列表中的几个项目来演示：
国外a:at:n请求1 国外a:at:n静默1 国外a:时间6:n 国外a:因为:n附表1 国外a:由:北美1 海外a:由:N银行1 国外a:通过:n blow 1
所以，我的问题出现在上面的第4行。显然，我可以手动删除这个空间来解决这个问题，但是这个列表有数千行。此外，我还可以用“因”代替任何出现的“因”，但这并不是唯一出现的两个单词序列。此外，第三片有时包含“因为”，我想保留那里的空白。我的当前代码试图返回每个序列的频率，如下所示：
import sys
import pprint
occ_list = []
observed = {}
lines = sys.stdin.readlines()
for line in lines:
l = line.strip()
i = l.split(' ')
word = i[0]
rel = i[1]
wirts = i[2:-1]
wirt = ' '.join(wirts) # Word-in-relation-to (which may be compund)
occ = i[-1] # Frequency of specific "word, rel, wirt"
arb = (word, rel, wirt)
occ_list.append(int(occ))
if not arb in observed.keys():
observed[arb] = []
if not occ in observed[arb]:
observed[arb].append(int(occ)/float(1064542))
pprint.pprint(observed)除了上面提到的带有额外空格的行外，这是可行的。
如有任何建议，我将不胜感激。(我正在使用python 3.2)谢谢
回答 4
Stack Overflow用户
发布于 2012-01-18 00:57:39
从在空格处分割开始。如果第二项不包含空白，那么其中应该包含两个冒号；如果只有一个冒号，那么第二个项中就有空白，因此第二个和第三个项是单个项的一部分。
parts = line.split()
if parts[1].count(":") == 1:
parts[1 : 3] = [" ".join(parts[1 : 3])]Stack Overflow用户
发布于 2012-01-18 00:58:51
除了第二条信息之外，您的文本文件中还有冒号吗？如果不是的话，我建议在结肠上分开来移除空格。但是，如果您希望允许在其他信息片段中使用其他冒号，那么我建议使用(regex)模块。
# Split on colons:
bits = l.split(':')
# remove spaces in the second part
bits[1] = bits[1].replace(' ','')
# join again
l = ':'.join(bits)
# do rest of code.另外，你在我想的问题中提到了这一点，但我想澄清一下。你有这样的台词吗？
abroad a:by:because of american 1在这种情况下，你想让rel成为a:by:because of吗？
信息第3部分(wirts)是否可以是多个词？那麽：
abroad a:by:because of american silence 2你怎么知道哪个词属于哪个词？
我认为，在这种情况下，您需要有一个包含a:by:xxxx中允许的空格的单词字典。
Stack Overflow用户
发布于 2012-01-18 02:13:34
使用正则表达式：
#!/usr/bin/env python
import fileinput
import re
from collections import defaultdict
from pprint import pprint
occ_list = []
observed = defaultdict(list)
for line in fileinput.input():
m = re.search(r"(\S+)\s+([^:]+:[^:]+:\S+)\s+(\S+)\s+(\d+)", line)
if m:
word, rel, wirt, occ = m.groups()
occ = int(occ)
occ_list.append(occ)
observed[word, rel, wirt].append(occ / 1064542.0)
pprint(occ_list)
pprint(dict(observed))输出
[1, 1, 6, 1, 1, 1, 1]
{('abroad', 'a:at:n', 'request'): [9.393711098293914e-07],
('abroad', 'a:at:n', 'silence'): [9.393711098293914e-07],
('abroad', 'a:at:n', 'time'): [5.636226658976349e-06],
('abroad', 'a:because of:n', 'schedule'): [9.393711098293914e-07],
('abroad', 'a:by:n', 'american'): [9.393711098293914e-07],
('abroad', 'a:by:n', 'bank'): [9.393711098293914e-07],
('abroad', 'a:by:n', 'blow'): [9.393711098293914e-07]}https://stackoverflow.com/questions/8903695
复制相似问题
腾讯云开发者
