Question

在我的代码的一个阶段，我有一个接收两个或三个嵌套列表问题的函数在每个嵌套列表中，我有[word_form：word_tag]。两句话问题的一个例子是：

P1（输入）：

['italian:JJ', ['an:DT'], ['became:VB', ['world:NN', ['the:DT'], 
['s:PO', ['tenor:NN', ['greatest:JJ']]]]], ['.:.']]

H（输入）：

['was:VX', ['there:EX'], ['an:DT'], ['italian:JJ'], ['became:VB', 
['who:WP'], ['world:NN', ['the:DT'], ['s:PO', ['tenor:NN', 
['greatest:JJ']]]]], ['.:.']]

每个带有['NN'，'VB'，'JJ']标记的嵌套列表，我想将它们的表单替换为X，Y，Z等变量等等

如果句子（H）与P1或P2有一个共同的词，如果存在，则它们采用相同的变量名。例如，如果H中的['italian'：'JJ']转向['X'：'JJ']那么它必须在P1或P2中取“X”（如果存在）。

我所做的只是将表单更改为变量，而我的变量不是X，Y，Z，我只是这样做了：

if tag in ['NN', 'VB', 'JJ']:
    form = form.upper()+'-0'

将“意大利”形式改为“意大利语0”，但我更愿意将其设为[X，Y，Z，......等]

所以想要的输出是这样的：

P1（输出）：

['X:JJ', ['an:DT'], ['Y:VB', ['Z:NN', ['the:DT'], 
['s:PO', ['A:NN', ['B:JJ']]]]], ['.:.']]

H（输出）：

['was:VX', ['there:EX'], ['an:DT'], ['X:JJ'], ['Y:VB', 
['who:WP'], ['Z:NN', ['the:DT'], ['s:PO', ['A:NN', 
['B:JJ']]]]], ['.:.']]

同样，三句话的问题，如：

P1（输入）：

['want:VB', ['men:NN', ['every:DT'], ['italian:JJ']], ['be:VX', 
['to:TO'], ['a:DT'], ['great:JJ', ['tenor:VB']]]]

P2（输入）：

['are:VX', ['men:NN', ['some:DT'], ['italian:JJ']], ['great:JJ'], 
['tenor:VB']]

H（输入）：

['are:VX', ['there:EX'], ['italian:JJ'], ['Y:NN', ['want:VB', 
['who:WP'], ['be:VX', ['to:TO'], ['a:DT'], ['great:JJ', ['tenor:VB']]]]]]

成为：

P1（输出）：

['Z:VB', ['Y:NN', ['every:DT'], ['X:JJ']], ['be:VX', 
['to:TO'], ['a:DT'], ['A:JJ', ['B:VB']]]]

P2（输出）：

['are:VX', ['men:NN', ['some:DT'], ['X:JJ']], ['A:JJ'], 
['B:VB']]

H（输出）：

['are:VX', ['there:EX'], ['X:JJ'], ['Y:NN', ['Z:VB', 
['who:WP'], ['be:VX', ['to:TO'], ['a:DT'], ['A:JJ', ['B:VB']]]]]]

Answer 1

为了回答这个问题，我将用元组重写你的WORD个实例。你的第一个例子变成了：

p1 = [('italian', 'JJ'),
      [('an', 'DT')],
      [('became', 'VB'),
       [('world', 'NN'),
        [('the', 'DT')],
        [('s', 'PO'), [('tenor', 'NN'), [('greatest', 'JJ')]]]]],
      [('.', '.')]]

h = [('was', 'VX'),
     [('there', 'EX')],
     [('an', 'DT')],
     [('italian', 'JJ')],
     [('became', 'VB'),
      [('who', 'WP')],
      [('world', 'NN'),
       [('the', 'DT')],
       [('s', 'PO'), [('tenor', 'NN'), [('greatest', 'JJ')]]]]],
     [('.', '.')]]

让我们提取p1和h共有的单词表单列表。我们将定义一个非常简单的递归有序树遍历生成器：

def flatten(l):
    for x in l:
        if isinstance(x, tuple):
            yield x
        else:
            for y in flatten(x):
                yield y

注意：将tuple更改为WORD。

我们可以使用它来获取p1和h共有的字词：

>>> common_words = set(x[0] for x in flatten(h)) & set(x[0] for x in flatten(p1))
>>> common_words
{'.', 'an', 'became', 'greatest', 'italian', 's', 'tenor', 'the', 'world'}

注意：将此处的x[0]更改为x.form。这可以扩展为在例如(p1 | p2) & h中获得单词形式。例如，在POS标签上的过滤可以在生成器表达式内完成：set(x[0] for x in flatten(h) if x[1] in ['NN', 'VB', 'JJ'])。

使用某种唯一的字符串值标记这些单词：

>>> import itertools
>>> labels = dict((x, chr(y)) for x, y in
...               itertools.izip(common_words, itertools.count(ord('A'))))
>>> labels
{'.': 'H',
 'an': 'A',
 'became': 'C',
 'greatest': 'D',
 'italian': 'I',
 's': 'B',
 'tenor': 'E',
 'the': 'G',
 'world': 'F'}

现在我们只需要在h和p1中替换这些字词的实例。

我们将构建另一个简单的递归函数：

def apply_labels(l, labels):
    rv = []
    for x in l:
        if isinstance(x, tuple):
            if x[0] in labels:
                rv.append((labels[x[0]], x[1]))
            else:
                rv.append(x)
        else:
            rv.append(apply_labels(x, labels))
    return rv

然后：

>>> apply_labels(h, labels)
[('was', 'VX'),
 [('there', 'EX')],
 [('A', 'DT')],
 [('I', 'JJ')],
 [('C', 'VB'),
  [('who', 'WP')],
  [('F', 'NN'), [('G', 'DT')], [('B', 'PO'), [('E', 'NN'), [('D', 'JJ')]]]]],
 [('H', '.')]]

用p1冲洗并重复：

>>> apply_labels(p1, labels)
[('I', 'JJ'),
 [('A', 'DT')],
 [('C', 'VB'),
  [('F', 'NN'), [('G', 'DT')], [('B', 'PO'), [('E', 'NN'), [('D', 'JJ')]]]]],
 [('H', '.')]]

这是你的第二个例子，再次表示为元组：

p1 = [('want', 'VB'),
      [('men', 'NN'), [('every', 'DT')], [('italian', 'JJ')]],
      [('be', 'VX'),
       [('to', 'TO')],
       [('a', 'DT')],
       [('great', 'JJ'), [('tenor', 'VB')]]]]
p2 = [('are', 'VX'),
      [('men', 'NN'), [('some', 'DT')], [('italian', 'JJ')]],
      [('great', 'JJ')],
      [('tenor', 'VB')]]
h = [('are', 'VX'),
     [('there', 'EX')],
     [('italian', 'JJ')],
     [('men', 'NN'),
      [('want', 'VB'),
       [('who', 'WP')],
       [('be', 'VX'),
        [('to', 'TO')],
        [('a', 'DT')],
        [('great', 'JJ'), [('tenor', 'VB')]]]]]]

我们这样做：

>>> def wordset(l):
...     return set(x[0] for x in flatten(l) if x[1] in ['NN', 'VB', 'JJ'])

>>> common_words = wordset(h) & (wordset(p1) | wordset(p2))
>>> common_words
{'great', 'italian', 'men', 'tenor', 'want'}

>>> labels = dict(zip(common_words,
...                   (chr(x) for x in itertools.count(ord('Z'), -1))))
>>> labels
{'great': 'Y', 'italian': 'Z', 'men': 'X', 'tenor': 'V', 'want': 'W'}

>>> apply_labels(p1, labels)
[('W', 'VB'),
 [('X', 'NN'), [('every', 'DT')], [('Z', 'JJ')]],
 [('be', 'VX'), [('to', 'TO')], [('a', 'DT')], [('Y', 'JJ'), [('V', 'VB')]]]]

Answer 2

假设我理解你的问题，你可以编写一个函数

next_var = 'A'
var_dict = {}

def var_map(s):
    global next_var
    if s in var_dict:
        return var_dict[s]
    var_dict[s] = next_var
    next_var = chr(ord('A') + 1)
    return var_dict[s]

将对象唯一地映射到字符串。 next_var每次调用都会增加var_map。

然后，您可以在字符串的每个实例上调用它。如果您有超过26个变量，我可以更改next_var更新的方式。

如果python中的字符串出现在多个列表中，如何替换它？

2 个答案: