如何在Python中从列表元素中提取基本单词

我有一张单子

ingredient = ['2 tablespoons butter',
 '1 1/2 cups long-grain rice',
 '1/2 cup chopped onion',
 '1/2 cup chopped green bell pepper',
 '1 clove garlic, minced']

我想从每个元素中提取必要的单词，以便列出

['butter',
 'long-grain rice',
 'onion',
 'green bell pepper',
 'garlic']

---

有什么方法可以做到吗？

要从常见的句子中提取数据，你必须创建一个单词字典（就像真正的字典（我们指的是意义）。在您的情况下，本词典必须包含与数量相关的单词，如

cup

，

cups

，

gram

，

grams

，以及表示动作过去时的单词，如

chopped

，

minced

，等等

现在迭代第一个列表。 按空格拆分列表中的每个条目。 从拆分列表中删除以下内容：

• 任何数字（int、double、float等）（您可以将

  1/2

  解析为中间带有

  /

  字符的数字）
• 与词典条目相匹配的单词
• 任何特殊字符（以及逗号、分号等终端标记）

---

正如评论中所指出的，“基本词汇”的定义尚不明确。但是如果你想保留一个“非必要”单词的集合，问题很简单。首先，数据：

ingredients = ['2 tablespoons butter',
 '1 1/2 cups long-grain rice',
 '1/2 cup chopped onion',
 '1/2 cup chopped green bell pepper',
 '1 clove garlic, minced']

BAD_WORDS = {
    'chopped', 'cup', 'cups', 'clove', 'tablespoons', 'minced'
}

然后，我们创建两个简短的助手函数来提高可读性。第一个函数获取字符串并确定它是否包含数字。我们将用它来抛出像

'1/2'

这样的词：

def contains_digit(w):
    return any(c.isdigit() for c in w)

第二个是函数，它接受一个单词并确定它是否通常是坏的。如果单词出现在

坏单词中或包含数字，则该单词为坏单词

def is_bad(w):
    return (w in BAD_WORDS) or contains_digit(w)

然后，我们有系统地删除这些坏话：

extracted = []
for entry in ingredients:
    words = [w.strip(',') for w in entry.split()]
    remaining = [w for w in words if not is_bad(w)]
    extracted.append(' '.join(remaining))

结果是：

['butter', 'long-grain rice', 'onion', 'green bell pepper', 'garlic']

你如何定义“基本词汇”？还有，你们到底试过做什么？你们在坚持什么？嗯，我在考虑摆脱所有的数字和数词。比如说，我可以制作一个特殊的数字列表和计算单词，如果列表中的任何元素包含与特殊列表中的元素匹配的字符串，那么该元素的字符串应该被删除。是的，你可以这样做。不过，这还需要一些编码（就像大多数与字符串操作有关的事情一样）。太棒了！你能给我一点提示吗？我想试一试。非常感谢你！基本上，你所要做的就是遍历你的列表（例如：<代码>中的s成分：

），然后根据你的标准分析每个字符串（我个人会使用Python，但其他方法也可以）。我建议你试着这样做，谷歌搜索任何你正在努力解决的问题，只有当你无法解决一个特定的（子）问题时，在SOThank you上发布一个问题，非常感谢！我确实意识到我需要创建一个“基本词汇”列表。