Question

我正在创建一个MapReduce作业以从XML文件中查找“ ArticleTitle”。我正在mapper.py上识别标签并根据字母进行拆分。以下是脚本：

tree = ET.parse('File location')
doc = tree.getroot()
for ArticleTitle in doc.iter('ArticleTitle'):
    file1 = (ET.tostring(ArticleTitle, encoding='utf8').decode('utf8'))
    filename = file1[52:(len(file1))]
    Article_Title= filename.split("<")[0]
    # print(Article_Title)
    for line in Article_Title:
        line_1= re.findall(r"\w+|[^\w\s]", line, re.UNICODE)
        print(line_1)

我得到的输出是：

['T']['h']['e'][]['e']['f']['f']['e']['c']['t'][]['o']['f']

但是，我希望输出为：

['The', 'effect', 'of', 'Hene', 'laser']

Answer 1

Article Title是一个字符串。参见：

Article_Title= filename.split("<")[0]

如果您遍历字符串，则将获得单个字符。

for i in "hello!":
    print(i)

>>>>h
>>>>e
>>>>l
>>>>l
>>>>o
>>>>!

如果您想要整个单词，则不需要循环-只需Article_Title.split()

"The effect of Hene laser" --> ['The', 'effect', 'of', 'Hene', 'laser']

Python3：无法从解析的数据中拆分单词

1 个答案: