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']
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']
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'])
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 ''
。