字符串分割

Question

已解决

我有一个字符串，其中包含两个人之间的对话以及他们的说话人标签。

我想将该字符串拆分为两个子字符串，仅包含说话者 1 和说话者 2 的对话。

这是我用来获取成绩单的代码。

operation = client.long_running_recognize(config, audio)
response = operation.result(timeout=10000)
result = response.results[-1]
words_info = result.alternatives[0].words
transcript = ''
tag=1
speaker=""
for word_info in words_info:
    if word_info.speaker_tag==tag:
        speaker=speaker+" "+word_info.word
    else:
        transcript += "speaker {}: {}".format(tag,speaker) + '\n'
        tag=word_info.speaker_tag
        speaker=""+word_info.word
transcript += "speaker {}: {}".format(tag,speaker)

这会将说话者 1 和说话者 2 转录到同一个文件中。

已解决：解决方案要简单得多。感谢您的帮助。

transcript_1 = ''
transcript_2 = ''

for word_info in words_info:
    if word_info.speaker_tag==1:
        #speaker += " "+word_info.word
        transcript_1 += " " + word_info.word
    elif word_info.speaker_tag==2:
        #speaker += " "+word_info.word
        transcript_2 += " " + word_info.word

Answer 1

取决于你如何获取数据，我的意思是，如果你得到一个唯一的原始字符串，其中包含来自两个说话者的所有消息，或者你分别从每个说话者那里得到消息。

一种基本方法是建立字符串 "speaker X:"（其中 N 是演讲者编号）作为第一个演讲者的演讲者标签，然后您可以使用 NLTK and/or 内置函数，如 find()。

注意：当我谈论标签时，我指的是一些可以让我们确定消息是否来自某个说话者的表达方式。

示例：您将获得包含演讲者所有发言的完整文本。

要遵循的步骤：

1) 设置所有发言者标签，以区分他们在全文中的发言。示例：第一个演讲者的演讲者标签可以是 "speaker 1:"

2) 使用 str.find("speaker_tag")

查找演讲者的所有发言

3) 将每个演讲者的所有发言添加到不同的数据结构中。我认为演讲者的干预列表可能会有用，然后如果你想再次在一条短信中获得所有这些干预，你可以使用一些内置函数，如 str.join() 再次将它们连接成一个字符串。

解决这个问题的其他选择是使用像 NLTK 这样的工具（我认为这个工具非常适合对文本进行分类）

它具有非常有用的功能，例如标记化，我认为它对解决您的问题很有用。

在下面的示例中，我将使用 find() 和切片作为有关文本标记化的基本示例：

文本数据：

text = "speaker 1: hello everyone, I am Thomas speaker 2: Hello friends, I am John speaker 1: How are you? I am great being here speaker 2: It's the same for me"

代码示例：

from itertools import islice, tee

FIRST_SPEAKER_TAG = "speaker 1:"
SECOND_SPEAKER_TAG = "speaker 2:"

def get_speaker_positions(text, speaker_tag):

    total_interventions = text.count(speaker_tag)
    positions = []
    position = 0
    for i in range(total_interventions):
        positions.append(text.find(speaker_tag, position))
        # we increase the position by the addition of all the previous 
        # positions to reach the following occurrences through the list of 
        # positions
    position += sum(positions) + 1

    return positions

def slices(iterable, n):
    return zip(*(islice(it, i, None) for i, it in enumerate(tee(iterable, n))))

def get_text_interventions(text, speaker_tags):

    # speakers' interventions of the text
    interventions = { speaker_tag: "" for speaker_tag in speaker_tags }

    # positions where start each intervention in the text
    # (the last one is used to get the rest of the text, because it's the 
    # last intervention)
    # (we need to sort the positions to get the interventions in the correct 
    # order)
    speaker_positions = [
        get_speaker_positions(text, speaker) for speaker in speaker_tags
    ]
    all_positions = [
        position for sublist in speaker_positions for position in sublist
    ]
    all_positions.append(len(text))
    all_positions.sort()

    # generate the list of pairs that match a certain intervention
    # the pairs are formed by the initial and the end position of the 
    # intervention
    text_chunks = list(slices(all_positions, 2))

    for chunk in text_chunks:

        # we assign the intervention according to which 
        # list of speaker interventions the position exists
        # when slicing we add the speaker tag's length to exclude 
        # the speaker tag from the own intervention
        if chunk[0] in speaker_positions[0]:
            intervention = text[chunk[0]+len(speaker_tags[0]):chunk[1]]
            interventions[speaker_tags[0]] += intervention

        elif chunk[0] in speaker_positions[1]:
            intervention = text[chunk[0]+len(speaker_tags[1]):chunk[1]]
            interventions[speaker_tags[1]] += intervention

    return interventions

text_interventions = get_text_interventions(text, [ FIRST_SPEAKER_TAG, SECOND_SPEAKER_TAG ])

备注：

slices() 函数的作者归于以下答案： Find consecutive combinations

如果您有任何疑问，可以在 itertools 文档中阅读更多详细信息：

关于 itertools.islice 和 itertools.tee 的文档： islice tee

如果您对示例有任何不理解的地方，请随时问我。希望对你有帮助！ =)

字符串分割

String Segmentation

python

string

python-3.7

text-segmentation

已解决

已解决：解决方案要简单得多。感谢您的帮助。