我是新来的。我有两个文本文件。第一个文件的dialogues
格式正确,如下所示。在
RECEPTIONIST Can I help you?
LINCOLN Yes. Um, is this the State bank?
RECEPTIONIST If you have to ask, maybe you shouldn't be here.
SARAH I think this is the place.
RECEPTIONIST Fill in the query.
LINCOLN Thank-you. We'll be right back.
RECEPTIONIST Oh, take your time. I'll just finish my crossword puzzle.
oh, wait.
第二个文本文件有7列。在第五栏,我有下面类似对话的单词顺序。在
^{pr2}$在这里,句号和逗号被视为单词,如果它有3个或更多个句号在一起,比如"..."
,那么它应该被视为一个单词。另外,如果单词"Thank-you"
(因为它们之间没有空格)应该被视为单个单词。在
现在我想用python编写一个脚本来比较dialogues
中的每个单词,然后创建一个新的列(第8列),其中应该显示“谁说这个词”。像下面这样
Column 5 Column 8
Can RECEPTIONIST
I RECEPTIONIST
help RECEPTIONIST
you RECEPTIONIST
? RECEPTIONIST
yes LINCOLN
. LINCOLN
Um LINCOLN
, LINCOLN
因为我对python环境完全陌生。我不知道从哪里开始。请提供你的建议和任何编码技巧!在
第一个文件包含对话,第二个文件包含有关对话的信息
我建议执行以下步骤:
处理文本文件1
在这里,您想将字符串拆分为
LEONARD Agreed, what's your point
一组代币。一种简单的方法是使用split(" ")
,它将基于空格分割文本,但是您还需要考虑标点符号。在我建议使用NLTK,一个用于自然语言处理的python库。一个基本的例子将展示这将如何帮助您:
一旦你正确地标记了每个句子后,你就会知道它在第二个文本文件中有多少行。在
处理文本文件2
现在您将遍历第二个文本文件中的每一行,检查单词是否与第一步中找到的假定标记匹配。如果是这种情况,则将第一个标记(说出该标记的人的姓名)添加到行的末尾(第8列)。在
只需执行
sentence.split(" ")[4]
,就可以从字符串TheBigBangTheory.Season01.Episode01.en 1 59.160 0.070 you 0.990 lex
中获取单词,在本例中返回you
。在我相信它还需要一些调整,但我将把它留给你。这也许能概括出总体思路。在
祝你好运,巴辛加!在
相关问题 更多 >
编程相关推荐