Question

如果我有字符串：

"O João foi almoçar :) ."

我如何最好将它分成python中的单词列表，如下所示：

['O','João', 'foi', 'almoçar', ':)']

谢谢：）

索菲亚

Answer 1

如果标点符号与您的示例一样落入其自己的空格分隔标记中，那么很容易：

>>> filter(lambda s: s not in string.punctuation, "O João foi almoçar :) .".split())
['O', 'Jo\xc3\xa3o', 'foi', 'almo\xc3\xa7ar', ':)']

如果不是这种情况，你可以像这样定义一个表情词典（你需要添加更多）：

d = { ':)': '<HAPPY_SMILEY>', ':(': '<SAD_SMILEY>'}

然后用不包含标点符号的占位符替换笑脸的每个实例（我们会认为<>不是标点符号）：

for smiley, placeholder in d.iteritems():
    s = s.replace(smiley, placeholder)

将我们带到"O João foi almoçar <HAPPY_SMILEY> ."。

然后我们删除标点符号：

s = ''.join(filter(lambda c: c not in '.,!', list(s)))

这给了我们"O João foi almoçar <HAPPY_SMILEY>"。

我们确实还原了笑脸：

for smiley, placeholder in d.iteritems():
    s = s.replace(placeholder, smiley)

然后我们拆分：

s = s.split()

向我们提供最终结果：['O', 'Jo\xc3\xa3o', 'foi', 'almo\xc3\xa7ar', ':)']。

将所有内容整合到一个函数中：

def split_special(s):
    d = { ':)': '<HAPPY_SMILEY>', ':(': '<SAD_SMILEY>'}
    for smiley, placeholder in d.iteritems():
        s = s.replace(smiley, placeholder)
    s = ''.join(filter(lambda c: c not in '.,!', list(s)))
    for smiley, placeholder in d.iteritems():
        s = s.replace(placeholder, smiley)
    return s.split()

Answer 2

>>> import string
>>> [ i for i in s.split(' ') if i not in string.punctuation]
['O', 'João', 'foi', 'almoçar', ':)']

将一个字符串拆分成一个列表，留下重音字符和表情符号，但删除标点符号

2 个答案: