Question

我正在尝试在Haskell中进行一些简单的文本处理，我想知道在FP语言中我最好的方法是什么。我查看了parsec模块，但这看起来比我作为一个新的Haskeller要复杂得多。从文本语料库中删除所有标点符号的最佳方法是什么？我天真的做法是制作这样的函数：

removePunc str = [c | c <- str, c /= '.',
                                 c /= '?',
                                 c /= '.',
                                 c /= '!',
                                 c /= '-',
                                 c /= ';',
                                 c /= '\'',
                                 c /= '\"',]

Answer 1

一种可能更有效的方法（O（log n）而不是O（n）），是使用Set（来自Data.Set）：

import qualified Data.Set as S

punctuation = S.fromList ",?,-;'\""

removePunc = filter (`S.notMember` punctuation)

您必须在函数外部构造集合，以便它只计算一次（通过在所有调用之间共享），因为创建集合的开销远远大于简单的线性时间notElem测试其他人建议。

注意：这是一个很小的情况，Set的额外开销可能会超过集合与列表的渐近优势，所以如果一个人正在寻找绝对性能，那么必须被描述。

Answer 2

您只需编写代码：

removePunc = filter (`notElem` ".?!-;\'\"")

或

removePunc = filter (flip notElem ".?!-;\'\"")

Answer 3

您可以将字符分组为String并使用notElem：

[c | c <- str, c `notElem` ".?!,-;"]

或更具功能性的风格：

filter (\c -> c `notElem` ".?!,") str

在Haskell中进行简单文本处理的方法是什么？

3 个答案: