我试图将文本输入转换为保留其结构的嵌套列表。目前我有一个函数需要一个文本和一个期望的“深度”,并输出这个深度的嵌套列表,在每一个新行,句子或单词处打破文本。如何将文本转换为嵌套列表
def text_split(text, depth):
depth_list = [' ', '.', '\n']
if isinstance(text, str):
text = text.strip('. ')
text = text.split(depth_list[depth])
if depth >= 0:
depth -= 1
for ix, item in enumerate(text):
item = item.strip('. ')
text[ix] = text_split(item, depth)
return text
这需要文本,如
text1 = """acabei de ler um livro. um diário.
mas a liberdade sempre chamou fountaine mais forte.
a cada viagem fountaine ía mais longe. aprendeu a andar de bicicleta e viajou o sul da frança.
esse é o tipo de pergunta feita na última edição do prêmio Loebner, em que participantes precisam responder à algumas questões feitas pelo júri.
o que tem de especial nessa competição é que ela não é para humanos, mas sim para robôs. o prêmio Loebner é uma implementação do teste de Turing.
"""
到
[ [[['acabei'], ['de'], ['ler'], ['um'], ['livro']], [['um'], ['diário']]],
[ [ ['mas'],
['a'],
['liberdade'],
['sempre'],
['chamou'],
['fountaine'],
['mais'],
['forte']]],
[ [ ['a'],
['cada'],
['viagem'],
['fountaine'],
['ía'],
['mais'],
['longe']],
[ ['aprendeu'],
['a'],
['andar'],
['de'],
['bicicleta'],
['e'],
['viajou'],
['o'],
['sul'],
['da'],
['frança']]],
[[['']]], ... ]]]]
现在这可能不是这样做的最好,最优雅的方式,它有一些问题,如在\n
被分割之后出现的[[['']]]
(这可以通过使用.splitlines()
来解决,但我无法找到一种很好的调用方式这个方法在递归函数中)。
这样做的更好方法是什么?我应该使用嵌套列表吗? (我打算在此后迭代)。感谢您的建议!
你为什么希望所有的深度,例如为什么列表中只有一个单词呢? – AChampion
@AChampion确实,这是没有必要保持结构!这不是要求。感谢您指出! –