如何在句子列表中的单词和开括号之间创建 SPACE

Question

在下面的列表中，实际上有两个骗子。但由于句子的第二个单词和 ( 之间 SPACE 的差异，将它们视为唯一的句子。

通过使用 Python - 正则表达式，如何在单词之间创建加法 space。（示例：第一项）'United States(US)'，应更改为 'United States (US)'（与第二项相同）

listx = 
['United States(US)',
 'United States (US)',
 'New York(NY)',
 'New York (NY)']

预期输出列表是

['United States (US)',
 'United States (US)',
 'New York (NY)',
 'New York (NY)']

实际上，我正在尝试从列表中删除重复的句子，并认为这是首先使句子相似的方法之一。请提出建议。

Answer 1

您可以搜索紧跟左括号的字母

>>> [re.sub(r'(\w)\(', r' (', i) for i in listx]
['United States (US)',
 'United States (US)',
 'New York (NY)',
 'New York (NY)']

要删除重复项，您可以从这个生成器表达式

创建一个set

>>> set(re.sub(r'(\w)\(', r' (', i) for i in listx)
{'United States (US)', 'New York (NY)'}

Answer 2

你可以试试这个。你可以在这里使用re.sub。

listx = ['United States(US)', 'United States (US)', 'New York(NY)', 'New York (NY)']

[re.sub(r'.(\(.*\))',r' ',i) for i in listx]
# ['United State (US)', 'United States (US)', 'New Yor (NY)', 'New York (NY)']

正则表达式模式解释：

.匹配任意字符
( 组括号开始
\( 匹配 (
.*贪心匹配
' ' 将匹配组与 space 匹配组相匹配。
regex live demo

Answer 3

你可以做到

    new_listx = ["{} {}".format(re.match('(.*)(\(.*\))', i).group(1).rstrip() ,re.match('(.*)(\(.*\))', i).group(2)) for i in listx]
    print(new_listx)

输出

['United States (US)', 'United States (US)', 'New York (NY)', 'New York (NY)']

正则表达式将文本分成两组，一组在 () 之前，第二组在 () 之后，它正在修剪第一组右侧的 space。
那么你可以做

print(set(new_listx))

您将获得一组唯一值。

{'New York (NY)', 'United States (US)'}

如何在句子列表中的单词和开括号之间创建 SPACE

How to create a SPACE between word and open bracket in list of sentences

python

regex

list

nltk

python-re