Question

我有一个预定义的字符 - ＆gt;类型字典。例如，＆＃39; a＆＃39; - 是一个小写字母，1是一个数字，＆＃39;）＆＃39;是一个标点符号等。使用以下脚本，我标记给定字符串中的所有字符：

labels=''
for ch in list(example):
    try:
        l = character_type_dict[ch]
        print(l)
        labels = labels+l
    except KeyError:
        labels = labels+'o'
        print('o')
labels

例如，给定"1,234.45kg (in metric system)"作为输入，代码生成dpdddpddwllwpllwllllllwllllllp作为输出。

现在，我想根据组拆分字符串。输出应该如下所示：

['1',',','234','.','45','kg',' ','(','in',' ','metric',' ','system',')']

也就是说，它应该根据字符类型边框进行拆分。任何想法如何有效地完成这项工作？

Answer 1

(([A-Z]+[a-z|A-Z]* ){5})错误（在您的示例中为labels，但我认为它应该是'dpdddpddwllwpllwllllllwllllllp'）

无论如何，你可以使用滥用'dpdddpddllwpllwllllllwllllllp'：

itertools.groupby

Answer 2

将此作为算法难题：

['1', ',', '234', '.', '45', 'kg', ' ', '(', 'in', ' ', 'metric', ' ', 'system', ')']

结果：

x(i,j)

Answer 3

记住最后一个类的类：

import string
character_type = {c: "l" for c in string.ascii_letters}
character_type.update({c: "d" for c in string.digits})
character_type.update({c: "p" for c in string.punctuation})
character_type.update({c: "w" for c in string.whitespace})

example = "1,234.45kg (in metric system)"

x = []
prev = None
for ch in example:
    try:
        l = character_type[ch]
        if l == prev:
            x[-1].append(ch)
        else:
            x.append([ch])
    except KeyError:
        print(ch)
    else:
        prev = l
x = map(''.join, x)
print(list(x))
# ['1', ',', '234', '.', '45', 'kg', ' ', '(', 'in', ' ', 'metric', ' ', 'system', ')']

Answer 4

另一种算法方法。而不是try: except:使用字典get(value, default_value)方法更好。

import string

character_type_dict = {}
for ch in string.ascii_lowercase:
    character_type_dict[ch] = 'l'
for ch in string.digits:
    character_type_dict[ch] = 'd'
for ch in string.punctuation:
    character_type_dict[ch] = 'p'
for ch in string.whitespace:
    character_type_dict[ch] = 'w'

example = "1,234.45kg (in metric system)"

split_list = []
split_start = 0
for i in range(len(example) - 1):
    if character_type_dict.get(example[i], 'o') != character_type_dict.get(example[i + 1], 'o'):
        split_list.append(example[split_start: i + 1])
        split_start = i + 1
split_list.append(example[split_start:])

print(split_list)

Answer 5

您可以更简洁地计算标签（并且可能更快）：

labels = ''.join(character_type_dict.get(ch, 'o') for ch in example)

或者，使用辅助函数：

character_type = lambda ch: character_type_dict.get(ch, 'o')
labels = ''.join(map(character_type, example))

但是你不需要标签来分割字符串;在itertools.groupby的帮助下，您可以直接拆分：

splits = list(''.join(g)
              for _, g in itertools.groupby(example, key=character_type)

一个可能更有趣的结果是类型和相关分组的元组向量：

 >>> list((''.join(g), code)
 ...      for code, g in itertools.groupby(example, key=character_type))
 [('1', 'd'), (',', 'p'), ('234', 'd'), ('.', 'p'), ('45', 'd'), ('kg', 'l'),
  (' ', 'w'), ('(', 'p'), ('in', 'l'), (' ', 'w'), ('metric', 'l'), (' ', 'w'),
  ('system', 'l'), (')', 'p')]

我按如下方式计算character_type_dict：

character_type_dict = {}
for code, chars in (('w', string.whitespace),
                    ('l', string.ascii_letters),
                    ('d', string.digits),
                    ('p', string.punctuation)):
  for char in chars: character_type_dict[char] = code

但我也可以做到这一点（正如我后面想到的那样）：

from collections import ChainMap
character_type_dict = dict(ChainMap(*({c:t for c in string.__getattribute__(n)}
                                    for t,n in (('w', 'whitespace')
                                               ,('d', 'digits')
                                               ,('l', 'ascii_letters')
                                               ,('p', 'punctuation')))))

根据预定义的字符类型拆分字符串

5 个答案: