Question

我正在尝试删除缩写列表中的点，以使它们不会混淆句子标记器。这应该非常简单。不知道为什么我的代码无法正常工作。

请在下面找到我的代码：

abbrevs = [
    "No.", "U.S.", "Mses.", "B.S.", "B.A.", "D.C.", "B.Tech.", "Pte.", "Mr.", "O.E.M.",
    "I.R.S", "sq.", "Reg.", "S-K."
]



def replace_abbrev(abbrs, text):
    re_abbrs = [r"\b" + re.escape(a) + r"\b" for a in abbrs]

    abbr_no_dot = [a.replace(".", "") for a in abbrs]

    pattern_zip = zip(re_abbrs, abbr_no_dot)

    for p in pattern_zip:
        text = re.sub(p[0], p[1], text)

    return text

text = "Test No. U.S. Mses. B.S. Test"

text = replace_abbrev(abbrevs, text)

print(text)

这是结果。没啥事儿。哪里错了？谢谢。

 Test No. U.S. Mses. B.S. Test

Answer 1

re_abbrs = [r"\b" + re.escape(a)  for a in abbrs]

您需要使用它。\b之后没有.。这样可以提供正确的输出。

Test No US Mses BS Test

Answer 2

即使它是一个很棒的库，您也可以使用map和operator.methodcaller，而无需重新使用。

from operator import methodcaller

' '.join(map(methodcaller('replace', '.', ''), abbrevs))
#No US Mses BS BA DC BTech Pte Mr OEM IRS sq Reg S-K

用圆点代替缩写列表？

2 个答案: