如何检测字符串后缀并从列表中删除这些后缀元素？ - 蟒蛇

Question

如何检测字符串后缀并从列表中删除这些后缀元素？ 我知道这看起来像 NLP、词干提取/词形还原任务，但该任务需要更简单的函数。

鉴于，如果列表中存在无后缀的项目，我需要删除具有

s

和

es

后缀的元素：

alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']

我需要输出：

alist = ['bar','barbar','foo','foofoos']

我尝试了以下方法，但它不起作用，因为当我整理列表时，它得到

['bar', 'barbar', 'barbares', 'bares', 'foo', 'foofoos', 'foos']

而不是

['bar', 'bares', 'barbar', 'barbares',  'foo', 'foos', 'foofoos']

alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']

prev = ""
no_s_list = []
for i in sorted(alist):
  if i[-2:] == "es" and i[:-2] == prev:
    continue
  elif i[-1:] == "s" and i[:-1] == prev:
    contine
  else:
    prev = i
    no_s_list.append(i)

以上输出：

>>> sorted(alist)
['bar', 'barbar', 'barbares', 'bares', 'foo', 'foofoos', 'foos']

Answer 1

def rm_suffix(s,suffixes):
    for suf in suffixes:
       if s.endswith(suf):
          return s[:-len(suf)]
    return s

alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']
salist = set(alist)
suffixes = ('es','s')
blist = [x for x in alist 
         if (not x.endswith(suffixes)) or (rm_suffix(x,suffixes) not in salist)]
print blist  # ['bar', 'barbar', 'foo', 'foofoos']

Answer 2

您也可以在这里使用

regex

：

re.split()

将返回类似以下内容：

barbar

-->

['barbar']

foos

-->

['foo', 's', '']

barbares

-->

['barbar', 'es', '']

foofoos

-->

['foofoo', 's', '']

因此，如果返回列表的长度大于 1 并且返回列表中的第一个元素在

alist

中找到，则可以将其删除。

code

：

In [106]: alist = ['bar','barbar','foo','foos','barbares','foofoos','bares']

In [107]: s=set(alist)

In [108]: for x in s.copy():
     sol=re.split(r'(es|s)$',x)
     if len(sol)>1 and sol[0] in s:
         s.remove(x)
   .....:         

In [109]: s
Out[109]: set(['bar', 'foofoos', 'barbar', 'foo'])

Answer 3

要检测常见字符串后缀并删除它们，这是我的解决方案：

import os 

def remove_common_suffix(strings):
  " remove a common suffix among a list of strings "
  # Find the common suffix of the strings
  suffix = os.path.commonprefix([string[::-1] for string in strings])[::-1]
  if len(suffix) > 1: # Remove the common suffix from each string
    return [string[:-len(suffix)] for string in strings]
  else: # no common portions; return input
    return strings

然后检查属于所有输入字符串的后缀，如果存在，则将其删除。请注意，如果不存在公共后缀，则末尾的 if/else 子句是必需的，因为

string[:0]

将返回空字符串

''

。