在最常见的缩略语词典的基础上扩展英语缩略语

Question

我正在尝试使用 Python 替换缩写词，但遇到错误。

import re
tweet = "I luv my <3 iphone & you're awsm apple. DisplayIsAwesome, sooo happppppy  http://www.apple.com"
contractions_dict = {"ain't": "am not",
                  "aren't": "are not",
                  "can't": "cannot",
                  "you're": "you are"}    

contractions_re = re.compile('(%s)' '|'.join(contractions_dict.keys()))

def expand_contractions(s, contractions_dict=contractions_dict):
    def replace(match):
        return contractions_dict[match.group(0)]

    return contractions_re.sub(replace, s)

expand_contractions(tweet)

我试过在 "you're" 中添加“/”，但没用。

输出应该是扩展版本，但原始推文只是通过。

Answer 1

这里有一个线索：

>>> print('(%s)' '|'.join(contractions_dict.keys()))
you're(%s)|aren't(%s)|ain't(%s)|can't

由于 %s 在正则表达式中没有特殊含义，它只会匹配自己。但是你输入的没有百分号，所以匹配失败。

我怀疑您正在寻找类似

的东西

>>> print('|'.join('(%s)' % k for k in contractions_dict.keys()))
(you're)|(aren't)|(ain't)|(can't)

或者

>>> print('(%s)' % '|'.join(contractions_dict.keys()))
(you're|aren't|ain't|can't)

但由于您使用的是 match.group(0)（即整个匹配的字符串），因此捕获是无关紧要的，并且无需在交替中将单词括起来。所以更简单的解决方案就可以了：

>>> contractions_re = re.compile('|'.join(contractions_dict.keys()))
>>> expand_contractions(tweet)
'I luv my <3 iphone & you are awsm apple. DisplayIsAwesome, sooo happppppy \xf0\x9f\x99\x82 http://www.apple.com'

在最常见的缩略语词典的基础上扩展英语缩略语

Expanding English contractions in, based on a dictionary of most common contractions

python

twitter

preprocessor

dictionary