从 Python 中的字符串列表中删除章节号

Posted 2023-02-23

【中文标题】从 Python 中的字符串列表中删除章节号

【英文标题】：Remove Chapter number from list of strings in Python

【发布时间】：2018-04-02 15:17:07

【问题描述】：

我正在编写的程序将字符串列表作为输入，并试图删除章节编号。我已经编写了函数，但它当前不起作用。我已经提供了我的函数和输出样本！谢谢！

def remove_chapter(chapter_header):
    for i in range(101):
        chapters="Chapter " + str(i)
        chapter_text=[my_string.replace(chapters,"") for my_string in chapter_header]
    return chapter_text

这里是当前输出不工作的功能： Output

【问题讨论】：

您在for 循环中有一个无条件的return 语句。这通常是一个不好的迹象，因为它将在第一次迭代后退出循环，即在它完成 "Chapter 0" 的替换之后。

我已经进行了编辑，但仍然无法正确读取。

在 for 循环 chapter_text = chapter_header[:] 之前。然后在你的列表理解中迭代chapter_text，而不是chapter_header。并将return 移出循环。

或者只是将整个函数替换为[re.sub(r'Chapter \d+\s*', '', s) for s in chapter_header]。不要忘记import re。

【参考方案1】：

由于您的strings 有类似的模式需要删除，但有一些变化（chapter number），最好使用python.re。有了它，您的pattern matching 就有很大的灵活性。

所以，你需要做的就是：

>>> import re
>>> [ re.sub('Chapter \d+ ', '', string) for string in chapter_header ]

#driver 值：

IN : chapter_header = ['Chapter 1 It is ...','However little ...','Chapter 12 Lorem Ipsum']

OUT : ['It is ...', 'However little ...', 'Lorem Ipsum']

分解一下，你的模式看起来像：

'Chapter'<whitespace>[number/s]<whitespace>

因此，只要找到此模式，就会替换该字符串，或者如果未找到，则忽略。

【参考方案2】：

给定一个章节列表，我们可以删除章节和编号，直到每章的第一个单词。

给定

import itertools as it


chapters = [
    "Chapter 1  It is a truth universally acknowledged ...",
    "Chapter 2  Mr. Bennet was among the earliest ...",
    "Chapter 3  Not all that Mrs. Bennet, however, with ...",
]

代码

pred = lambda x: (x == "Chapter") or x.isdigit() 
results = [list(it.dropwhile(pred, [word for word in chapter.split()])) for chapter in chapters]
results 

输出

[['It', 'is', 'a', 'truth', 'universally', 'acknowledged', '...'],
 ['Mr.', 'Bennet', 'was', 'among', 'the', 'earliest', '...'],
 ['Not', 'all', 'that', 'Mrs.', 'Bennet,', 'however,', 'with', '...']]

---

详情

列表推导将章节拆分为列表和列表中的单词。等效：

for chapter in chapters:
    print([word for word in chapter.split()])

# ['Chapter', '1', 'It', 'is', 'a', 'truth', 'universally', 'acknowledged', '...']
# ['Chapter', '2', 'Mr.', 'Bennet', 'was', 'among', 'the', 'earliest', '...']
# ['Chapter', '3', 'Not', 'all', 'that', 'Mrs.', 'Bennet,', 'however,', 'with', '...']

最后，itertools.dropwhile 迭代每个列表并删除项目，直到谓词不再为真。换句话说，继续删除第一个既不是"Chapter" 也不是数字的项目。

如果需要，可以将生成的章节重新连接为字符串。

[" ".join(chapter) for chapter in results]
# ['It is a truth universally acknowledged ...',
#  'Mr. Bennet was among the earliest ...',
#  'Not all that Mrs. Bennet, however, with ...']