如何拆分这种串联字符串：“howdoIsplitthis？”

Question

假设我有一个这样的字符串：

"IgotthistextfromapdfIscraped.HowdoIsplitthis?"

我想制作：

"I got this text from a pdf I scraped. How do I split this?"

我该怎么做？

Answer 1

简短的回答：没有现实的机会。

答案很长：

唯一提示拆分字符串的提示是在字符串中查找有效的单词。所以你需要一个预期语言的字典，不仅包含根词，还包含所有的屈曲（是正确的语言术语吗？）。然后你可以尝试找到与你的字符串中的字符匹配的这些单词的序列。

Answer 2

事实证明这个任务被称为word segmentation，并且有python library可以做到这一点：

>>> from wordsegment import load, segment
>>> load()
>>> segment("IgotthistextfromapdfIscraped.HowdoIsplitthis?")
['i', 'got', 'this', 'text', 'from', 'a', 'pdf', 'i', 'scraped', 'how',
 'do', 'i', 'split', 'this']