Python：得到肯定的答案。字典中的字符串答案

【问题标题】：Python: getting a certain no. of strings from a dictionaryPython：得到肯定的答案。字典中的字符串
【发布时间】：2012-01-06 08:01:51
【问题描述】：

我有一个以下格式的字典，我使用拆分函数拆分不同的元素（出现逗号（，）的地方），现在我正在尝试从列表中提取名称...我正在尝试使用常规表达式，但显然我很不幸地未能成为 python 新手...名称采用以下格式...

名字（空格）姓氏
姓名（空格）姓名（空格）姓名
x.name
x.y.name
姓名（空格）x.（空格）（姓名）

其中 x 和 y 表示名称首字母，例如 J. 代表 john 等。另外，如果您可以指导我删除“\ t”，保持其他信息不变也很好。任何形式的帮助都会受到欢迎......谢谢大家。

[[' I. Antonov', ' I. Antonova', ' E. R. Kandel', ' and R. D. Hawkins. Activity-dependent presynaptic facilitation and hebbian ltp are both required and interact during classical conditioning in aplysia. Neuron', ' 37(1):135--47', ' Jan 2003.'], ['\tSander M. Bohte ', ' Joost N. Kok', ' Applications of spiking neural networks', ' Information Processing Letters', ' v.95 n.6', ' p.519-520'], [' L. J. Eshelman. The CHC Adaptive Search Algorithm: How to Have Safe Search When Engaging in Nontraditional Genetic Recombination. Foundations Of Genetic Algorithms', ' pages 265-283', ' 1990.'], ['Wulfram Gerstner ', ' Werner Kistler', ' Spiking Neuron Models: An Introduction', ' Cambridge University Press', ''], [' D. O. Hebb. Organization of behavior. New York: Wiley', ' 1949.'], [' D. Z. Jin. Spiking neural network for recognizing spatiotemporal sequences of spikes. Physical Review E', '69', ' 2004.'], ['Wolfgang Maass ', ' Christopher M. Bishop', ' Pulsed Neural Networks', ' MIT Press', ' '], ['Wolfgang Maass ', ' Henry Markram', ' Synapses as dynamic memory buffers', ' Neural Networks', ' v.15 n.2', ' p.'], [' H. Markram', ' Y. Wang', ' and M. Tsodyks. Differential signaling via the same axon of neocortical pyramidal neurons. Neurobiology', ' 95:5323--5328', ' April 1998.'], ['\t\tD. E. Rumelhart ', ' G. E. Hinton ', ' R. J. Williams', ' Learning internal representations by error propagation', ' Parallel distributed processing: explorations in the microstructure of cognition', ' vol. 1: foundations', ' MIT Press', ' Cambridge', ' MA', ' 1986 </a> \t\t\t\t\t\t\t\t\t'], ['\t J. D. Schaffer', ' L. D. Whitley', ' and L. J. Eshelman. Combinations of genetic algorithms and neural networks: A survey of the state of the art. In Combinations of Genetic Algorithms and NeuralNetworks', ' 1992.', ' COGANN-92. International Workshop on', ' pages 1--37', ' Philips Labs.', ' Briarcliff Manor', ' NY', ' 6 Jun 1992.'], ['\t S. Song', ' K. D. Miller', ' and L. F. Abbott. Competitive hebbian learning through spike-timing-dependent synaptic plasticity. Nature Neuroscience', ' 3(9):919--926', ' 2000.'], ['\t L. Watts. Event-driven simulation of networks of spiking neurons. Advances in Neural Information Processing Systems', ' 6:927--934', ' 1994.']]

【问题讨论】：

标签： python dictionary design-patterns

【解决方案1】：

看起来您将不得不根据您的输入进行大量调整。因为您正在解析的文本中有很多不同的单词和结构，所以您可能无法获得 100% 的准确度来创建规则。不过，这里有一个示例，假设您的原始输入文本称为 input_text（而且我认为使用 split() 方法并没有那么有用，因为逗号不只是分隔名称）：

import re

regexes = (r'[A-Z][a-z]+ [A-Z][a-z]+', # capitalized first and last name
           r'[A-Z]\. [A-Z][a-z]+')     # capitalized initial, then last name
names = []

for regex in regexes:
    names += re.findall(regex, input_text)

您显然希望为您的各种名称类型编写额外的特定正则表达式。这在查找名称方面做得很好，但也会产生很多误报（Information Processing 看起来很像基于这些规则的名称）。不过，这应该可以为您提供一个起点。

【讨论】：

上述解决方案非常有帮助......我想问你一些类似的问题......但在不同的背景下......问题是我的名单中有名字那是格式... ['john a, smith,william tell,jacob oram'] 现在我想更正名字 john a smith 是一个完整的名字，但由于原始数据的格式，它像这...现在使用上述方法，我使用 ab=re.search((r'[AZ][az]+ [AZ]\,[AZ][az]+'),zz[uy] 找到了所有此类名称) 其中 zz[uy] 是字符串的位置...
现在我想要的是，我只想用正确的 john a 格式替换名称。 smith,william tell,jacob oram 在列表中...请帮忙
基本上我想做的就是用“。”替换 john a, smith 中“a”之后的“,”。并将其放回字符串中
你为什么不在一个新问题中问这个？做的时候把它链接在这里。这样其他人也可以加入并提供帮助。

【解决方案2】：

要删除制表符（以及字符串开头或结尾的其他空格）：

stripped = [s.strip() for t in mylist]

老实说，如果您尝试提取姓名，那么这样的拆分行将无济于事——请注意一些姓名仍然与标题组合在一起。最好构建一个匹配名称的良好正则表达式，并在单独的行上使用 re.findall。

【讨论】：

【解决方案3】：

要删除制表符和多余的空格，请使用 strip()：

>>> "\t foobar \t\t\t".strip()
'foobar'

【讨论】：

【解决方案4】：

也可能更容易找到一些已经完成这项工作的在线信息来源。例如，在 this 或 this 这样的地方。

【讨论】：

【解决方案5】：

剥离所有字符串
识别肯定不是名称的字符串（很长的字符串，包含数字的字符串，以及列表中的后一个）
识别肯定是名称的字符串（列表开头的短字符串，以模式 $[AZ][az]{0,3}.?\s 开头的字符串（Dr., Miss, Mr, Prof,等）
找出最后不能用这些规则匹配的字符串，并尝试通过创建一个 certidude 系数来制作模糊规则来选择：靠近列表开头的字符串越短，得分越高最后有一个大尺寸的东西。添加类似的标准并设置最低分数。

如果您需要高准确度，请使用名称数据库和贝叶斯过滤器的 loof。

它不会完美：很难知道'name name name'和'word word word'之间的区别

【讨论】：