Python 删除除每个单词的第一个字母以外的所有字母，并保留标点符号

我有一个名为“MyTextFile.txt”的文本文件。我想删除所有的字母并在它们的位置加上破折号，除了每个单词的第一个字母，还保留标点符号

假设文本文件“MyTextFile.txt”包含以下字符串：

男孩去了学校，然后吃了早餐！ 哇，这不是一个好故事

预期结果如下所示：

T-b-w-T-T-s--，T-a-h-b--！ W-，t-，是n-a n-s-

这是我的作品，几乎不错，但并不完美

import nltk
file_content = open("MyTextFile.txt", encoding='utf8').read()
tokens = nltk.word_tokenize(file_content)
print(tokens)

first_letter = [i[0] for i in tokens]

new_words = ' '.join(first_letter).strip()
print(new_words)
appendFile = open('results_file.txt', 'w', encoding='utf8')
appendFile.write(new_words)

我的输出是：

---

T b w T s，T a h b！W，t是n a n s

这种操作最好使用正则表达式：

import re
txt = "This is a test!"
dashed = re.sub(r"([A-Za-z])([A-Za-z]+)", lambda m: m[1] + "-"*len(m[2]), txt)
print (dashed)

将输出：T--i-at--

并将其应用于文件：

with open("input_file.txt", 'r') as i:
    with open("output_file.txt", 'w') as o:
        for txt in i:
            dashed = re.sub(r"([A-Za-z])([A-Za-z]+)", lambda m: m[1] + "-"*len(m[2]), txt)
            o.write(dashed + '\n')

---

这种操作最好使用正则表达式：

import re
txt = "This is a test!"
dashed = re.sub(r"([A-Za-z])([A-Za-z]+)", lambda m: m[1] + "-"*len(m[2]), txt)
print (dashed)

将输出：T--i-at--

并将其应用于文件：

with open("input_file.txt", 'r') as i:
    with open("output_file.txt", 'w') as o:
        for txt in i:
            dashed = re.sub(r"([A-Za-z])([A-Za-z]+)", lambda m: m[1] + "-"*len(m[2]), txt)
            o.write(dashed + '\n')

---

事实上，@Uri的答案比我的要好得多。无论如何，这是：

import nltk

file_content = "The boy went to the school, then ate his breakfast! Wow, that’s not a nice story!?"
tokens = nltk.word_tokenize(file_content)
print(tokens)

new_words = []
for token in tokens:
    token = token.strip() 
    if token.isalpha():
        new_word = token[0]
        new_word += "-"*(len(token)-1)
    else:
        new_word = token
    new_words.append(new_word)

new_words = ' '.join(new_words)
print(new_words)
# T-- b-- w--- t- t-- s----- , t--- a-- h-- b-------- ! W-- , t--- ’ s n-- a n--- s---- ! ?

---

事实上，@Uri的答案比我的要好得多。无论如何，这是：

import nltk

file_content = "The boy went to the school, then ate his breakfast! Wow, that’s not a nice story!?"
tokens = nltk.word_tokenize(file_content)
print(tokens)

new_words = []
for token in tokens:
    token = token.strip() 
    if token.isalpha():
        new_word = token[0]
        new_word += "-"*(len(token)-1)
    else:
        new_word = token
    new_words.append(new_word)

new_words = ' '.join(new_words)
print(new_words)
# T-- b-- w--- t- t-- s----- , t--- a-- h-- b-------- ! W-- , t--- ’ s n-- a n--- s---- ! ?

---

使用简单的python逻辑：

def keepPunc(x):
    temp = x[0]
    for i in range(1,len(x)):
        if x[i].isalpha():
            temp=temp+"-"
        else:
            temp=temp+x[i]
    return temp



def func(a):
    temp = a.split()
    final = [i[0]+"-"*(len(i)-1) if i.isalpha() else keepPunc(i)for i in temp]
    print(a)
    print(' '.join(final))

a = "The boy went to the school, then ate his breakfast! Wow, that’s not a nice story!?"
func(a)

输出：：

男孩去了学校，然后吃了早餐！哇，这不是一个好故事

---

T-b-w--T-T-s--，T--a-h-b--！W-，t-'-n-a n-s-

使用简单的python逻辑：

def keepPunc(x):
    temp = x[0]
    for i in range(1,len(x)):
        if x[i].isalpha():
            temp=temp+"-"
        else:
            temp=temp+x[i]
    return temp



def func(a):
    temp = a.split()
    final = [i[0]+"-"*(len(i)-1) if i.isalpha() else keepPunc(i)for i in temp]
    print(a)
    print(' '.join(final))

a = "The boy went to the school, then ate his breakfast! Wow, that’s not a nice story!?"
func(a)

输出：：

男孩去了学校，然后吃了早餐！哇，这不是一个好故事

---

T-b-w--T-T-s--，T--a-h-b--！W-，t-'-n-a n-s-

请注意，为了完成该任务，您需要知道前一个字符-zip将非常有用：

txt = "The boy went to the school, then ate his breakfast! Wow, that’s not a nice story!?"
new_txt = txt[0] + ''.join('-' if curr.isalpha() and prev.isalpha() else curr for prev, curr in zip(txt,txt[1:]))
print(new_txt)

输出：

T-- b-- w--- t- t-- s-----, t--- a-- h-- b--------! W--, t---- n-- a n--- s----!?

说明：我使用txt和txt[1:]即从第二个字符开始的txt，然后使用zip创建单个iterable，每个元素由两个字符组成：prev，即previous和curr，即current，如果两者都是我生成的字母，否则为current字符，则我将生成的所有字符合并，并添加第一个字符txt[0]因为它没有以前的版本，所以在一开始就被认为是早期版本

---

我认为正则表达式更适合这项任务，但是给出上面的示例，我想说明，使用python语言，您可以编写简洁的代码，而无需使用正则表达式。

注意，为了完成这项任务，您需要知道前面的字符-zip将非常有用：

txt = "The boy went to the school, then ate his breakfast! Wow, that’s not a nice story!?"
new_txt = txt[0] + ''.join('-' if curr.isalpha() and prev.isalpha() else curr for prev, curr in zip(txt,txt[1:]))
print(new_txt)

输出：

T-- b-- w--- t- t-- s-----, t--- a-- h-- b--------! W--, t---- n-- a n--- s----!?

说明：我使用txt和txt[1:]即从第二个字符开始的txt，然后使用zip创建单个iterable，每个元素由两个字符组成：prev，即previous和curr，即current，如果两者都是我生成的字母，否则为current字符，则我将生成的所有字符合并，并添加第一个字符txt[0]因为它没有以前的版本，所以在一开始就被认为是早期版本

---

我认为正则表达式更适合这个任务，但是给出上面的示例，我想展示一下，使用python语言，您可以编写简洁的代码，而无需使用正则表达式。。。哇！您可以在文件而不是字符串上执行此代码吗。我对编程非常陌生，对正则表达式也有一些肤浅的了解：@AkbarHussein只需将txt更改为标记，并在您自己的代码的打印标记之后添加这组代码。@uri goren您的代码工作得非常好，但为了理解它，最后一行之前的那行。。。这里的lambda函数是什么意思？？。。。我的意思是这部分[lambda m:m[1]+-*lenm[2]]在正则表达式中有两个捕获群，m[1]是第一个。。。哇！您可以在文件而不是字符串上执行此代码吗。我对编程非常陌生，对正则表达式也有一些肤浅的了解：@AkbarHussein只需将txt更改为标记，并在您自己的代码的打印标记之后添加这组代码。@uri goren您的代码工作得非常好，但为了理解它，最后一行之前的那行。。。这里的lambda函数是什么意思？？。。。我的意思是这部分[lambda m:m[1]+-*lenm[2]]正则表达式中有两个捕获组，m[1]是第一个它假设每个单词的第一个字母是alpha，但是你可以在函数keepPuncx中调整它，通过修改temp和进一步的逻辑一点。它假设每个单词的第一个字母是alpha，但是你可以在函数keepPuncx中调整它，通过修改温度和进一步的逻辑位。