Python 句子中的超长词检查

我想在一个句子中检查是否有拉长的单词。例如，sooo、toooo、thaaatttt等等。现在我不知道用户可能会键入什么，因为我有一个句子列表，其中可能有或可能没有拉长的单词。如何在python中检查这一点。我是python新手。

好吧，您可以列出逻辑上可能出现的每个细长单词。然后循环浏览句子中的单词，然后是列表中的单词，以找到较长的单词

sentence = "Hoow arre you doing?"
elongated = ["hoow",'arre','youu','yoou','meee'] #You will need to have a much larger list
for word in sentence:
    word = word.lower()
    for e_word in elongated:
        if e_word == word:
            print "Found an elongated word!"

如果你想照休·博思韦尔说的做，那么：

sentence = "Hooow arrre you doooing?"
elongations = ["aaa","ooo","rrr","bbb","ccc"]#continue for all the letters 
for word in sentence:
    for x in elongations:
        if x in word.lower():
            print '"'+word+'" is an elongated word'

---

好吧，你可以列出逻辑上可能出现的每一个加长单词。然后循环浏览句子中的单词，然后是列表中的单词，以找到较长的单词

sentence = "Hoow arre you doing?"
elongated = ["hoow",'arre','youu','yoou','meee'] #You will need to have a much larger list
for word in sentence:
    word = word.lower()
    for e_word in elongated:
        if e_word == word:
            print "Found an elongated word!"

如果你想照休·博思韦尔说的做，那么：

sentence = "Hooow arrre you doooing?"
elongations = ["aaa","ooo","rrr","bbb","ccc"]#continue for all the letters 
for word in sentence:
    for x in elongations:
        if x in word.lower():
            print '"'+word+'" is an elongated word'

试试这个：

import re
s1 = "This has no long words"
s2 = "This has oooone long word"

def has_long(sentence):
    elong = re.compile("([a-zA-Z])\\1{2,}")
    return bool(elong.search(sentence))


print has_long(s1)
False
print has_long(s2)
True

试试这个：

import re
s1 = "This has no long words"
s2 = "This has oooone long word"

def has_long(sentence):
    elong = re.compile("([a-zA-Z])\\1{2,}")
    return bool(elong.search(sentence))


print has_long(s1)
False
print has_long(s2)
True

---

@HughBothwell有个好主意。据我所知，没有一个英语单词的同一个字母连续重复三次。因此，您可以搜索执行此操作的单词：

>>> from re import search
>>> mystr = "word word soooo word tooo thaaatttt word"
>>> [x for x in mystr.split() if search(r'(?i)[a-z]\1\1+', x)]
['soooo,', 'tooo', 'thaaatttt']
>>>

---

任何你找到的词都会被拉长。

@HughBothwell有个好主意。据我所知，没有一个英语单词的同一个字母连续重复三次。因此，您可以搜索执行此操作的单词：

sentence = "Hoow arre you doing?"
elongated = ["hoow",'arre','youu','yoou','meee'] #You will need to have a much larger list
for word in sentence:
    word = word.lower()
    for e_word in elongated:
        if e_word == word:
            print "Found an elongated word!"

>>> from re import search
>>> mystr = "word word soooo word tooo thaaatttt word"
>>> [x for x in mystr.split() if search(r'(?i)[a-z]\1\1+', x)]
['soooo,', 'tooo', 'thaaatttt']
>>>

---

您找到的任何单词都将被拉长。

您需要一份有效英语单词的参考资料。在*NIX系统上，您可以使用

/etc/share/dict/words

或

/usr/share/dict/words

或同等工具，并将所有单词存储到

集合

对象中

sentence = "Hoow arre you doing?"
elongated = ["hoow",'arre','youu','yoou','meee'] #You will need to have a much larger list
for word in sentence:
    word = word.lower()
    for e_word in elongated:
        if e_word == word:
            print "Found an elongated word!"

然后，你要检查句子中的每个单词

该词本身不是一个有效词（即，

词并非在所有词中都是有效词）；及

也就是说，当您将所有连续序列缩短为一个或两个字母时，新词就是有效词

这里有一种方法可以尝试提取所有可能性：

import re
import itertools

regex = re.compile(r'\w\1\1')

all_words = set(get_all_words())

def without_elongations(word):
    while re.search(regex, word) is not None:
        replacing_with_one_letter = re.sub(regex, r'\1', word, 1)
        replacing_with_two_letters = re.sub(regex, r'\1\1', word, 1)
        return list(itertools.chain(
            without_elongations(replacing_with_one_letter),
            without_elongations(replacing_with_two_letters),
        ))

for word in sentence.split():
    if word not in all_words:
        if any(map(lambda w: w in all_words, without_elongations(word)):
            print('%(word) is elongated', { 'word': word })

---

你需要有一个有效英语单词的参考。在*NIX系统上，您可以使用

/etc/share/dict/words

或

/usr/share/dict/words

或同等工具，并将所有单词存储到

集合

对象中

然后，你要检查句子中的每个单词

该词本身不是一个有效词（即，

词并非在所有词中都是有效词）；及

也就是说，当您将所有连续序列缩短为一个或两个字母时，新词就是有效词

这里有一种方法可以尝试提取所有可能性：

import re
import itertools

regex = re.compile(r'\w\1\1')

all_words = set(get_all_words())

def without_elongations(word):
    while re.search(regex, word) is not None:
        replacing_with_one_letter = re.sub(regex, r'\1', word, 1)
        replacing_with_two_letters = re.sub(regex, r'\1\1', word, 1)
        return list(itertools.chain(
            without_elongations(replacing_with_one_letter),
            without_elongations(replacing_with_two_letters),
        ))

for word in sentence.split():
    if word not in all_words:
        if any(map(lambda w: w in all_words, without_elongations(word)):
            print('%(word) is elongated', { 'word': word })

---

在我看来，你应该至少连续三次寻找任何包含同一字母的单词。我不知道有任何实际的英语单词能做到这一点。第一步是定义一个拉长的单词，无论是通过参考已知的词典还是通过诸如@HughBothwell建议的规则。@HughBothwell:KKK和WWW是唯一的“拉长”单词@HughBothwell:（the）包括一些拉长的单词，如：woooosh，pfffted，Aaawww，unnt，Sssshoo，BANNNNNG。在我看来，你应该至少连续三次寻找任何包含相同字母的单词。我不知道有任何实际的英语单词能做到这一点。第一步是定义一个拉长的单词，无论是通过参考已知的词典还是通过诸如@HughBothwell建议的规则。@HughBothwell:KKK和WWW是唯一的“拉长”单词@HughBothwell:（the）包括一些拉长的单词，如：woooosh，pfffted，Aaawww，unnt，Sssshoo，bannnng.

True if X else False

模式通常编写为

bool（X）

。谢谢，这样比较整洁！更新说明：

[a-zA-Z]

混合情况下失败：

'Sssshoo'

如果X为False，则

模式通常为
bool（X）
。谢谢，这样更整洁！更新说明：
[a-zA-Z]
混合情况下失败：
'Sssshoo'
\w
拾取诸如
'8888'
之类的数字。它不支持非ascii字母，例如
“ёёё”
，因此您可以将其替换为注释：标记
（？i）
会处理它。它也适用于混合情况，例如
'ssssshoo'
，也就是说，
A-Z
在这里是不必要的。
\w
拾取诸如
'8888'
之类的数字。它不支持非ascii字母，例如
“ёёё”
，因此您可以将其替换为注释：标记
（？i）
会处理它。而且它也适用于混合情况，例如
'ssssshoo'
，也就是说，
A-Z
在这里是不必要的。