检查一个字符串是否格式化一个单词

Question

我正在构建一个 python 文本分类应用程序。在应用程序中，用户提供一个小句子（或单个单词），我们对其句子进行分类。我面临的问题是想办法检查他的字符串格式是一个词还是一组词。

用户输入示例：

1) "asdfasdfa"

2) "This is adsfgafdga"

示例 1 不是单词，所以我想报错，示例 2 中包含一个非单词字符串，所以我也想报错。

正确的例子：

1) "Hello"

2) "This is good"

有没有办法在没有单词列表或有人知道 API 的情况下做到这一点？

Answer 1

这将使用空格拆分字符串，我们将计算字符串中由空格分隔的字符分组数。如果这个列表的长度是 1，那么我们在字符串输入中只有一个单词。

string = "This is adsfgafdga"
if len(string.split()) == 1:
    is_word = True
else: is_word = False

Answer 2

您可以按如下方式使用正则表达式：

import re

# if word is delimited by white space

is_word = len(re.split('[\s]', your_sentence)) ==1

# if word is delimited by non alphanumeric characters

is_word = len(re.split('[^a-zA-Z]', your_sentence)) ==1

Answer 3

一种广泛的方法是创建一个列表并将字典中的单词存储在其中。首先对用户输入执行拆分，使用 phrase.split() 从短语中单独提取每个单词。

words = phrase.split() 
// words : ['This', 'is', 'good'] 

len(words) 
// number of words : 3

运行如果结果大于1，则根据词组中单词的个数进行循环。然后只需使用以下命令检查单词是否存在于列表中即可。

if "word" in dictionary_words:
   print "Word is available"

有一个整洁的 XML version of the dictionary words 可以用来代替列表。

对于更复杂的解决方案，您可以尝试合并 API 之类的 PyEnchant 来提供拼写检查库。有关这方面的更多详细信息，您可以查看并执行 pip install pyenchant 并导入。

>>> import enchant
>>> help(enchant)

检查一个字符串是否格式化一个单词

Check if a string format a word

python

machine-learning

text-classification