用python中的单个统一字符串替换类似字符串

Question

目前正在从事一个数据科学项目，我在数据准备方面遇到了麻烦

特别是这个：What's Cooking?

该数据集包含字符串，如“中等蛋”，“大自由放养蛋”，“茄子”，“大蛋白”，“中国鸡蛋面”和鸡蛋

因此，在这种情况下，我想找到并替换所有的“中蛋”和“大自由放养蛋”，就像“蛋”，而像“茄子”和“中国蛋面”这样的字符串应该被单独保留。我还需要将大蛋白替换为蛋白

另一个例子是“鹰嘴豆”和“鹰嘴豆”，因为它们指的是同一种成分

最初的尝试只是找到任何字符串中带有“egg”的字符串并替换它，但是因为有太多的条件，我不确定现在应该采取什么样的方法

由于这是一个分类项目，代码需要能够提取像“小鸡蛋”这样的潜在成分，并且仍然将其理解为“鸡蛋”

Answer 1

作为部分解决方案，您可以使用以下方法编写一个简单函数：

import spacy

items = ['medium eggs', 'large free range egg', 'eggplants', 'large egg whites', 'chinese egg noodles', 'eggs']
clean = []
for i in items:
    doc = nlp(i)
    temp = ''
    for token in doc:
        #print(token.text , token.pos_)
        if token.pos_=='NOUN' or  token.pos_=='PROPN':
            temp += ' ' + token.text
    clean.append(temp)
print(clean)

输出：[' eggs', ' range egg', ' eggplants', ' egg whites', ' egg noodles', ' eggs']

注意：您可能需要手动处理一些案例，如“鹰嘴豆”和“鹰嘴豆”

Answer 2

这可以通过正则表达式最简洁地完成，检查查询字符串两侧的空格：

import re

def replace_eggs(string_to_replace, replacement_text, *query_strings):
  for query_string in query_strings:
    return re.sub(f"\s?{query_string}([\.,]?)\s?",replacement_text, string_to_replace)

警告：此代码非常糟糕。它不太好用，我没有足够的时间来修复它。我很抱歉。我建议学习regex和catch Group，这样做会更好。再重复一遍（巴敦青！），很抱歉，我有很多事情要做