如何使用find在python中查找近似单词

Question

我需要在许多句子中找到一个单词的第一个字符。所有的句子都有“猜想”这个词的形式，也就是说，猜想，等等。但是我不能像这样在“find”中使用通配符

firstSpace = mySentence.find('conjecture'*,0)

句子看起来像：

^{pr2}$

有什么主意吗？我该怎么做？ 谢谢！在

Answer 1

All of the sentences have some form of the word 'conjecture', i.e. conjectures, conjectured, etc.

其他答案中显示的word in string方法通常会失败，例如，在一个含有communities的句子中，他们找不到community这个词。在

在这种情况下，您可能需要一个词干分析算法，如^{} package：

from nltk.stem.snowball import EnglishStemmer
from nltk import word_tokenize

stemmer = EnglishStemmer()
stem_word = stemmer.stem

stem = stem_word(u"conjecture")
sentence = u'He conjectured that the interface was...'
words = word_tokenize(sentence)
found_words = [(i, w) for i, w in enumerate(words) if stem_word(w) == stem]
# -> [(1, u'conjectured')]

还有其他的stem和tokenize methods in nltk，您可以根据具体需要使用。在

however some words start with the nasty characters: “ or the like.. how can I get rid of them?

“讨厌的字符”是错误地将utf-8字节序列视为cp1252的结果：

^{pr2}$

你不应该盲目地删除乱码文本，而是修改字符编码。在

Why the #AskObama Tweet was Garbled on Screen: Know your UTF-8, Unicode, ASCII and ANSI Decoding Mr. President显示了这个问题在电视上公开的例子。在

为了理解阅读The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)。在