Question

我从pdf中删除了一些文本，我已经解析了文本，并且当前在列表中将所有内容都作为字符串。我想将由于pdf页面上的中断而作为单独字符串返回的句子连接在一起。例如，

list = ['I am a ', 'sentence.', 'Please join me toge-', 'ther. Thanks for your help.']

我想：

list = ['I am a sentence.', 'Please join me together. Thanks for your help.']

我目前有以下代码连接一些句子，但仍然返回加入第一个句子的第二个子句。我知道这是由于索引，但我不知道如何解决这个问题。

new = []

def cleanlist(dictlist):
    for i in range(len(dictlist)):

    if i>0:

        if dictlist[i-1][-1:] != ('.') or dictlist[i-1][-1:] != ('. '):
            new.append(dictlist[i-1]+dictlist[i])

        elif dictlist[i-1][-1:] == '-':
            new.append(dictlist[i-1]+dictlist[i])

        else:
            new.append[dict_list[i]]

Answer 1

您可以使用生成器方法：

def cleanlist(dictlist):
    current = []
    for line in dictlist:
        if line.endswith("-"):
            current.append(line[:-1])
        elif line.endswith(" "):
            current.append(line)
        else:
            current.append(line)
            yield "".join(current)
            current = []

像这样使用：

dictlist = ['I am a ', 'sentence.', 'Please join me toge-', 'ther. Thanks for your help.']
print(list(cleanlist(dictlist)))
# ['I am a sentence.', 'Please join me together. Thanks for your help.']

从解析的pdf中加入句子

1 个答案: