Python：两个文件之间逐字进行文本处理
兰戈斯基
我是NLP的新手。我有两个文本文件。第一个文件已dialogues正确格式化，如下所示。
RECEPTIONIST Can I help you?
LINCOLN Yes. Um, is this the State bank?
RECEPTIONIST If you have to ask, maybe you shouldn't be here.
SARAH I think this is the place.
RECEPTIONIST Fill in the query.
LINCOLN Thank-you. We'll be right back.
RECEPTIONIST Oh, take your time. I'll just finish my crossword puzzle.
oh, wait.
第二个文本文件有7列。在第五栏中，我有下面的对话中的序列词。
Column 5
Can
I
help
you
?
yes
.
Um
,
句号和逗号在此处被视为单词，如果它具有3个或更多的句号"..."，则应将其视为一个单词。另外，如果单词"Thank-you"（因为它们之间没有空格）应该被视为一个单词。
现在，我想用python写一个脚本来比较中的每个单词dialogues，然后创建一个新列（第8列），该列应显示“谁在说这个单词”。像下面
Column 5 Column 8
Can RECEPTIONIST
I RECEPTIONIST
help RECEPTIONIST
you RECEPTIONIST
? RECEPTIONIST
yes LINCOLN
. LINCOLN
Um LINCOLN
, LINCOLN
因为我对python环境是全新的。我不知道从哪里开始。请提供您的建议和编码技巧！
第一个文件包含对话，第二个文件包含有关对话的信息
丹森斯
我建议执行以下步骤：
处理文本文件1
在这里您想将字符串拆分LEONARD Agreed, what's your point为一组标记。一种幼稚的方法是使用split(" ")它将基于空格分割文本的方法，但是您还需要考虑标点符号。
我建议使用NLTK，这是用于自然语言处理的python库。一个基本的示例将显示这如何帮助您：
import nltk
sentence = """Hi this is a test."""
tokens = nltk.word_tokenize(sentence)
# output: tokens
['Hi', 'this', "is", 'a', 'test', '.']
正确标记每个句子后，您将知道第二个文本文件中有多少行。
处理文本文件2
现在，您将遍历第二个文本文件中的每一行，检查单词是否与您在第一步中找到的假定标记相匹配。如果是这种情况，则将第一个标记（说出它的人的名字）添加到该行的末尾（第8列）。
您可以TheBigBangTheory.Season01.Episode01.en 1 59.160 0.070 you 0.990 lex通过简单地从字符串中获取单词sentence.split(" ")[4]，you在这种情况下会返回。
我相信仍然需要进行一些调整，但我会留给您。这可能会概述总体思路。
祝你好运，Bazinga！
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
在awk中的两个模式之间进行文本处理，以提供选择性的唯一输出
- 2
使用sed或AWK进行文本处理
- 3
用PHP进行文本处理
- 4
通过使用 AWK 或脚本进行文本处理来管理大文件
- 5
仅针对从X行到Y行的条件进行文本处理
- 6
Pygame文本处理
- 7
Bash 文本处理
- 8
文本处理批处理文件登录脚本
- 9
文本处理批处理文件登录脚本
- 10
在bash中的变量上使用sed进行文本处理未提供预期的（修改的）输出？
- 11
歌曲文件列表的模式匹配和文本处理
- 12
文本处理恰当地输出文件
- 13
如何捕获文件头，然后对原始文件进行进一步的文本处理？
- 14
提高文本处理性能
- 15
Shell脚本-文本处理
- 16
文本处理-识别代码语法
- 17
文本处理以提取结构字段
- 18
如何通过另一个文本处理器程序使PyCharm管道python程序输出
- 19
是否应编写文本处理DCG来处理代码或字符？或两者？
- 20
是否应编写文本处理DCG来处理代码或字符？或两者？
- 21
文本处理-每两行用逗号连接
- 22
Xlsxwriter：是否可以在单元格上进行东亚语言垂直文本处理？
- 23
如何对不同的文本处理命令进行基准测试并找出最快的？
- 24
文本处理：如何按日期（由字符串分隔）对列表进行排序
- 25
Xlsxwriter：是否可以在单元格上进行东亚语言垂直文本处理？
- 26
RapidMiner文本处理：如何将ngram写入文件
- 27
文本处理-从ibnetdiscover输出构建slurmtopology.conf文件
- 28
文本处理-如何从文件中顺序获取多个模式
- 29
文本处理-如何在所有行中输出与模式匹配的文件
我来说两句