Question

我有以下问题：我创建了一个字典（德语），其中包含单词及其相应的引理。为例： “Lagerbestände”，“Lager-bestand”; “Wohnhäuser”，“Wohn-haus”; “Bahnhof”，“Bahn-hof”

我现在有一个文本，我想检查他们的lemmata的所有单词。可能会出现一个不在字典中的单词，例如“Restbestände”。但是“bestände”的引理，我们已经知道了。所以我想把dicti中未知的单词的第一部分添加到lemmatized第二部分并将其打印出来（或返回）。示例：“Restbestände” - ＆gt; “休息-bestand”。（“bestand”取自“Lagerbestände”的引理）

我编码了以下内容：

for limit in range(1, len(Word)): 
    for k, v in dicti.iteritems():
        if re.search('[\w]*'+Word[limit:], k, re.IGNORECASE) != None:
            if '-' in v:
                tmp = v.find('-')
                end = v[tmp:]
                end = re.sub(ur'[-]',"", end)
                Word = Word[:limit] + '-' + end `

但我遇到了两个问题：

在单词的最后，每次“＆amp;＃10”打印出来。我怎么能避免这个？
这个词的第二部分有时不正确 - 必定存在逻辑错误。

然而;你怎么解决这个问题？

Answer 1

在单词的最后，每次打印出来＆＃34;＆amp;＃10＆＃34;。怎么能我避免这个？

必须在脚本中的任何位置使用UNICODE。 Everywhere, everywhere, everywhere.

此外，python RegEx函数接受您应该始终设置的标记re.UNICODE。德语字母超出ASCII设置，因此RegEx有时会混淆，例如匹配r'\w'

时

python：单词和单词的字典

1 个答案: