Блог

Можно ли разделить строку на фразу (потенциально более одного слова) в Python 3 справа налево (только первое вхождение)?

В настоящее время я могу разделить строку на основе списка фраз, но у меня есть крайний случай, когда, если в строке встречается более одной из указанных фраз, она разделяется на обе.

Проблема

Приведен пример CSV-файла, содержащего следующее:

И мой код, который открывает CSV-файл, просматривает каждую строку, а затем пытается разделить указанные фразы:

 import re
import csv

def split_phrase(string):
    phrases = ['ONE', 'TWO', 'THREE']
    print(f'Raw: {string}')
    split_phrase = '' # Only needed for testing purposes to prevent error on output
    for phrase in phrases:
        if phrase in string:
            list = re.split(f'\b({phrase})\b', string)
            print(f'Split: {list}')
            sentence = list[0]
            split_phrase = list[1]
            print(f'Phrase: {split_phrase}')

    return sentence, split_phrase

input_dir = 'input1/'
output_dir = 'output1/'
filename = 'demo.csv'

with open(input_dir   filename, 'r') as input_csv:
    csv_reader = csv.reader(input_csv)
    data = list(csv_reader)
    input_csv.close()

    for row in data[1:]: # Ignore the header row
        sentence = row[0] # First column
        sentence = split_phrase(sentence) # Split out specified phrase
 

Я получаю следующий результат:

 $ python3 demo.py
Raw: THIS IS SENTENCE THREE
Split: ['THIS IS SENTENCE ', 'THREE', '']
Phrase: THREE
Raw: THIS IS SENTENCE TWO
Split: ['THIS IS SENTENCE ', 'TWO', '']
Phrase: TWO
Raw: I CONTAIN ONE BUT ALSO TWO
Split: ['I CONTAIN ', 'ONE', ' BUT ALSO TWO']
Phrase: ONE
Split: ['I CONTAIN ONE BUT ALSO ', 'TWO', '']
Phrase: TWO
 

ПРИМЕЧАНИЕ: Последнее предложение обрабатывается циклом for дважды из-за того, что оно содержит две фразы из списка фраз.

Желаемый результат

Я знаю, что из перечисленных фраз, которые нужно разделить, она всегда будет последней справа. Поэтому я хотел бы захватить только первое появление справа налево.

ПРИМЕЧАНИЕ: «Фраза» может содержать одно или несколько слов.

Возможно ли это? И если да, то как я могу этого достичь?

Я ответил на этот вопрос, используя string.rfind() поиск с конца строки и повторяя список возможных фраз. Возможно, есть лучшие способы сделать это, которые не повторяются, но это лучшее, что я нашел.

 one = "THIS IS SENTENCE THREE"
two = "THIS IS SENTENCE TWO"
three = "I CONTAIN ONE BUT ALSO TWO"
four = "I CONTAIN ONE BUT ALSO TWO AND SOME MORE TEXT"
phrases = ['ONE', 'TWO', 'THREE']

def find_words(phrases, string):
    i = -1
    p = ""
    for phrase in phrases:
        newI = string.rfind(phrase)
        if newI > i:
            i = newI
            p = phrase
    return (string[:i], string[i:i len(p)], string[i len(p)::])

print(find_words(phrases, one))
print(find_words(phrases, two))
print(find_words(phrases, three))
print(find_words(phrases, four))
 

Выход:

 ('THIS IS SENTENCE ', 'THREE', '')
('THIS IS SENTENCE ', 'TWO', '')
('I CONTAIN ONE BUT ALSO ', 'TWO', '')
('I CONTAIN ONE BUT ALSO ', 'TWO', ' AND SOME MORE TEXT')
 

Я верю, что это сработает, если вы используете «rsplit()» вместо «split ()».

Ключ, я думаю, состоит в том, чтобы разбиться на слова, затем перевернуть этот список, затем выполнить поиск всех обращений и выбрать наименьшее число:

 def split_word(string):
    words = ['ONE', 'TWO', 'THREE']
    search = string.split()
    rsearch = list(reversed(search))
    locs = [rsearch.index(w) for w in words if w in rsearch]
    if not locs:
        return None
    target = len(search) - min(locs) - 1
    return ' '.join(search[0:target]), search[target], ' '.join(search[target 1:])

print(split_word("THIS IS SENTENCE THREE"))
print(split_word("THIS IS SENTENCE TWO"))
print(split_word("I CONTAIN ONE BUT ALSO TWO"))
 

Выход:

 ('THIS IS SENTENCE', 'THREE', '')
('THIS IS SENTENCE', 'TWO', '')
('I CONTAIN ONE BUT ALSO', 'TWO', '')