我已经尝试解决这个问题一段时间了。
我想获取一个大文本/字符串并将其拆分为 3 个单词的短语，然后将它们添加到一个数组中。
我尝试过使用spilt()，但它并没有像我希望的那样工作。
我想做什么，让它发挥作用：
从字符串中的前 3 个单词开始，当我得到这些单词时，我将其放入一个数组中并移动 1 个单词并取接下来的 3 个单词，依此类推。
这是一种不好的做法吗？
亲切的问候:)
【问题讨论】：
nltk。使用其中之一将为您节省一些精力。 （如果您想自己实际构建一个三元语法分析器，请提供一个具体的示例，包括如何处理标点符号、数字等边缘情况以及预期输出。）
my_really_long_string = "this is a really long string"
split_string = my_really_long_string.split()
phrase_array = [" ".join(split_string[i:i+3]) for i in range(len(split_string) - 2)]
第一行只代表你的字符串。
之后，只需按空格分开，假设您只关心定义单词的结尾。 （@andrew_reece 关于边缘情况的 cmets 非常相关。）
下一个在 0 到 n-2 的范围内迭代，其中 n 是字符串的长度。它从 split_string 数组中取出 3 个连续的单词，并用空格将它们连接起来。
这几乎肯定不是最快的处理方式，因为它有拆分和连接，但它非常简单。
>>> my_really_long_string = "this is a really long string"
>>> split_string = my_really_long_string.split()
>>> phrases = [" ".join(split_string[i:i+3]) for i in range(len(split_string) - 2)]
>>>
>>> phrases
['this is a', 'is a really', 'a really long', 'really long string']
>>>
【讨论】：
这会奏效。您可能想先去除字符文本，不确定您的数据是什么。
x = 'alt bot cot dot eat fat got hot iot jot kot lot mot not'
x = [y for y in [x.strip().split(' ')[i:i+3] for i in range(0, len(x), 3)]]
【讨论】：