Python条件连接*连续*字符串,不以标点符号结尾

Question

我有一个单词列表,

list1 = ['hello', 'how', 'are', 'you?', 'i', 'am', 'fine', 'thanks.', 'great!']

我想加入其中,

list2 = ['hello how are you?', 'i am fine thanks.', 'great!']

有一种简单的pythonic方法吗？我考虑过做一个itertools.groupby join,但问题是我的组中的所有元素都没有相同的标准(我不能只查询它们是否都有标点符号).基本上,是否包括元素x是潜在元素x + n的函数,其中n可以很大.这使问题复杂化.

Answer 1

不要用groupby(); 对于那些有和没有标点符号的单词,你会得到单独的组,然后你必须重新组合.

使用生成器功能:

import string

def sentence_groups(l, punctuation=tuple(string.punctuation)):
    group = []
    for w in l:
        group.append(w)
        if w.endswith(punctuation):
            yield group
            group = []
    if group:
        yield group

生成器从输入列表中收集单词,直到以标点符号结束,此时整个组被生成,之后该组被清除以用于新组.

当迭代结束并且组中仍有单词时,也会产生最后一个组(即使它们最后没有标点符号).

一起使用它str.join()来产生你的输出:

>>> list1 = ['hello', 'how', 'are', 'you?', 'i', 'am', 'fine', 'thanks.', 'great!']
>>> [' '.join(group) for group in sentence_groups(list1)]
['hello how are you?', 'i am fine thanks.', 'great!']

我在字符串中使用了所有标点符号string.punctuation; 这是相当广泛的:

>>> string.punctuation
'!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~'

如果要缩小范围,或者将自己的定义硬编码,则将特定标点符号的元组作为第二个参数传递.