Question

我有一个标签列表，我试图打破一些包含多个单词的标签。

data = ['开源'，'软件开发'，'JavaScript'，'技术'，'网络开发''编程'，'移动开发'，'技术'，'专业''软件''HTML5' ]，[..] ....]

我清理数据和保留一些独特标签的代码 -

def break_tags(data):

big_tags = []
for n in range(len(data)):

    tags = []

    for item in data[n][5:23]:
        if item != nan:
            if 'open source' in str(item).lower():
                tags.append('open source')
            if 'data science' in str(item).lower():
                tags.append('data science')

            else:
                item = str(item).lower().split(' ')
                tags.extend([e.strip("'():,&;+?][ ") for e in item if e not in remove])
    big_tags.append(tags)
return big_tags

运行break_tags（数据）后的结果

original_list1 - ['开源''软件开发''JavaScript''技术'，'Web开发''编程'，'移动开发'，'技术'，'专业''软件''HTML5']

new_list1 - ['开源'，'开放'，'来源'，'软件'，'开发'， 'javascript'，'技术'，'网络'，'开发'，'编程'， '移动'，'发展'，'技术'，'专业人士'，'软件'， 'HTML5']

原始列表2：['数据管理'，'云计算'，'大数据'，'数据分析'， '数据可视化'，'预测分析'，'NoSQL'， '数据科学'，'数据分析和建模'， '统计和数据分析']

new_list2：['数据'，'管理'，'云'，'计算'，'大数据'，'大'， '数据'，'数据'，'分析'，'数据'，'可视化'，'预测'， 'analytics'，'nosql'，'数据科学'，'数据'，'科学'，'数据'， '分析'，'建模'，'统计'，'数据'，'分析']

我编写了保持'开源'的功能＆amp; '数据科学'并将所有其他标签分解为单个单词。但显然存在一些逻辑上的缺陷，不仅使这两个标签保持完整，而且还将这两个标签分开，单独的单词（参见上面的粗体字）

有人可以帮助识别问题吗？谢谢！

Answer 1

您的问题在于您的if / if / else条件：

if 'open source' in str(item).lower():
    tags.append('open source')
if 'data science' in str(item).lower():
    tags.append('data science')
else:
    item = str(item).lower().split(' ')
    tags.extend([e.strip("'():,&;+?][ ") for e in item if e not in remove]

假设项目是开源的＆＃39;那么你将通过第一个if和追加开源＃39;然后你将测试VS＆＃39;数据科学＆＃39;并通过其他集团。

您必须使用以下内容进行测试：

if ('data science' in str(item).lower()) or ('open source' in str(item).lower()):
    if ('data science' in str(item).lower()):
        tags.append('data science')
    else:
        tags.append('open source')
else:
    item = str(item).lower().split(' ')
    tags.extend([e.strip("'():,&;+?][ ") for e in item if e not in remove]

或者，假设str(item).lower()完全是数据科学＆＃39;或者＆＃39;开源＆＃39;：

if str(item).lower() in ['data science', 'open source']:
    tags.append(str(item).lower())
else:
    item = str(item).lower().split(' ')
    tags.extend([e.strip("'():,&;+?][ ") for e in item if e not in remove]

循环和由于逻辑缺陷导致的字符串处理错误 - python

1 个答案: