Question

我正在使用Python创建一个单词云程序，而我却陷入了单词替换功能。我试图用一个有序列表中的单词替换html文件中的一组数字（所以我正在使用一个字符串）。因此000将替换为列表中的第一个单词，001替换为第二个单词等。

所以下面我选择了正确替换w的单词，但我无法用字符串中的单词正确替换它。任何帮助表示赞赏。谢谢！

def replace_all():  
  text = '000 001 002 003 '
  word = ['foo', 'bar', 'that', 'these']
  for a in word:    
    y = -1
    for w in text:     
      y = y + 1
      x = "00"+str(y)
      w = {x:a}      
      for i, j in w.iteritems():
        text = text.replace(i, j)
  print text

Answer 1

这实际上是一个非常简单的list comprehension：

>>> text = '000 001 002 003 '
>>> words = ['foo', 'bar', 'that', 'these']
>>> [words[int(item)] for item in text.split()]
['foo', 'bar', 'that', 'these']

编辑：如果您需要保留其他值，可以满足以下条件：

def get(seq, item):
    try:
        return seq[int(item)]
    except ValueError:
        return item

然后简单地使用[get(words, item) for item in text.split()]之类的东西 - 当然，如果字符串中有其他数字可能会被意外替换，则可能需要在get()中进行更多测试。（编辑结束）

我们所做的是将文本拆分为单个数字，然后将它们转换为整数，并使用它们索引您为查找单词而提供的列表。

至于为什么你的代码不起作用，主要问题是你循环遍历字符串，这将给你字符，而不是单词。但是，这不是解决任务的好方法。

值得一提的是，当你循环遍历值并希望索引与它们一起使用时，你应该使用the enumerate() builtin而不是使用计数变量。

E.g：而不是：

y = -1
for w in text:
    y = y + 1
    ...

使用：

for y, w in enumerate(text):
    ...

这更具可读性和Pythonic。

现有代码的另一个问题是：

w = {x:a}      
for i, j in w.iteritems():
    text = text.replace(i, j)

如果您考虑一下，请简化为：

text = text.replace(x, a)

您将w设置为一个项目的字典，然后循环显示它，但您知道它只会包含一个项目。

更紧密地遵循您的方法的解决方案将是这样的：

words_dict = {"{0:03d}".format(index): value for index, value in enumerate(words)}
for key, value in words_dict.items():
    text = test.replace(key, value)

我们从零填充数字字符串（使用str.format()）到值创建字典，然后替换每个项目。请注意，当您使用2.x时，您需要dict.iteritems()，如果您是2.7之前，请在元组生成器上使用dict()内置，因为不存在dict理解。

Answer 2

在处理文本时，显然必须考虑正则表达式。

import re

text = text = ('<p><span class="newStyle0" '
               'style="left: 291px; '
               'top: 258px">000</span></p> <p>'
               '<span class="newStyle1" '
               'style="left: 85px; '
               'top: 200px">001</span></p> <p>'
               '<span class="newStyle2" '
               'style="left: 580px; '
               'top: 400px; width: 167px; '
               'height: 97px">002</span></p> <p>'
               '<span class="newStyle3" '
               'style="left: 375px; top: 165px">'
               '003</span></p>')

words = ['XXX-%04d-YYY' % a for a in xrange(1000)]

regx = re.compile('(?<=>)\d+(?=</span>)')

def gv(m,words = words):
    return words[int(m.group())]

print regx.sub(gv,text)

使用python将字符串中的单词替换为list中的单词

2 个答案: