使用字典检查文本字符串并用 Xs 替换单词。 Python

Question

我正在尝试制作一个简单的程序，该程序接受一串文本 t 和一个单词列表 l 并打印文本但带有 l 替换为对应单词中字母的多个 X。

问题：我的代码还替换了与 l 中的单词匹配的部分单词。我怎样才能让它只针对整个单词？

def censor(t, l):

    for cenword in l:
        number_of_X = len(cenword)
        sensurliste = {cenword : ("x"*len(cenword))}

        for cenword, x in sensurliste.items():
            word = t.replace(cenword, x)
            t = word.replace(cenword, x)

    print (word)

Answer 1

另一种方法是使用正则表达式来获取所有单词：

import re

blacklist = ['ccc', 'eee']

def replace(match):
    word = match.group()
    if word.lower() in blacklist:
        return 'x' * len(word)
    else:
        return word

text = 'aaa bbb ccc. ddd eee xcccx.'

text = re.sub(r'\b\w*\b', replace, text, flags=re.I|re.U)
print(text)

这有利于使用正则表达式识别的各种单词边界。

Answer 2

首先，我相信你希望你的 for 循环在同一级别上，这样当一个完成时另一个开始。

其次，看起来你有额外的代码，实际上并没有做任何事情。

例如，sensurliste 只会有被删减的词，与“X”字符串配对。因此不需要第一个 for 循环，因为在第二个 for 循环中就地创建“X”字符串是微不足道的。

那么，你是说 word = t.replace(cenword,x) t=word.replace(cenword,x)

第二行什么都不做，因为word已经替换了所有的cenword实例。所以，这可以缩短为只是

t = t.replace(cenword,x);

最后，这是您的问题所在，python replace 方法不关心单词边界。所以无论它是否是一个完整的单词，它都会替换所有的 cenword 实例。

您可以使用正则表达式来制作它，因此它只会找到完整单词的实例，但是，我只会使用更多类似

的内容

def censort(t,l):
    words = t.split()                       #split the words into a list
    for i in range(len(words)):             #for each word in the text
        if words[i] in l:                       #if it needs to be censoredx
            words[i] = "X"*len(words[i])            #replace it with X's
    t=words.join()                          #rejoin the list into a string

Answer 3

您可以使用 RegExp（模块 re）进行替换，也可以将输入字符串拆分为您认为的“整个单词”。

如果您将任何分隔的空格视为单词，则可以执行以下操作：

def censor(t, l):
    for cenword in l:
        number_of_X = len(cenword)
        sensurliste = {cenword : ("x"*len(cenword))}
    censored = []
    for word in t.split():
        append(sensurliste.get(word, word))
    return ' '.join(censurliste)

请注意，这不会保留原始间距。此外，如果您的文本包含标点符号，这可能不会产生您认为应该的结果。例如，如果 t 包含单词 'stupid!'，但列表中只有 'stupid'，则不会被替换。

如果你想解决这一切，你需要执行tokenisation。您可能还需要考虑大写单词。

Answer 4

这很容易理解和清理

def censor(text, word):
       return text.replace(word, ("*"*len(word)))

Answer 5

我做得更紧凑了一点：

def censor_string(text, banned_words, replacer):
    return "".join([x + " " if x.lower() not in banned_words else replacer*len(x) + " " for x in text.split(" ") ])

但我遇到了“？”等特殊符号的问题或昏迷。 如果我将运行以下函数：

censor_string("Today is a Wednesday!", ["is", "Wednesday"], "*")

我收到的是 “今天**一个星期三！”而不是“今天**一个********！”

有什么方法可以跳过，忽略字符串中的字母和数字以外的任何内容？

Answer 6

def censor_string(text, censorlst, replacer):

    word_list = text.split()
    for censor in censorlst:
        index = 0
            for word in word_list:
            if censor.lower() == word.lower():
                ch = len(censor) * replacer
                word_list[index] = ch
            elif censor.lower() == word[0:-1].lower():
                ch = len(censor) * replacer
                word_list[index] = ch+word[-1]
            index+=1

return " ".join(word_list)
censor_string('Today is a Wednesday!', ['Today', 'a'], '-')
censor_string('The cow jumped over the moon.', ['cow', 'over'], '*')
censor_string('Why did the chicken cross the road?', ['Did', 'chicken','road'], '*')