关于python：如何将字符串拆分为列表？


How to split a string into a list?

我希望我的python函数分割一个句子(输入)并将每个单词存储在一个列表中。我当前的代码将句子拆分，但不将单词存储为列表。我该怎么做？

1
2
3
4
5
6
7
8
9
10
def split_line(text):

    # split the text
    words = text.split()

    # for each word in the line:
    for word in words:

        # print the word
        print(words)
相关讨论

1
text.split()

这应该足以将每个单词存储在一个列表中。words已经是句子中的单词列表，因此不需要循环。

第二，这可能是一个打字错误，但你的循环有点混乱。如果您真的想使用append，它将是：

1
words.append(word)

不

1
word.append(words)

在任何连续运行的空白处拆分text中的字符串。

1
words = text.split()

在分隔符：","上拆分text中的字符串。

1
words = text.split(",")

words变量将是一个list并包含分隔符上text拆分的单词。

分裂()

Return a list of the words in the string, using sep as the delimiter
... If sep is not specified or is None, a different splitting algorithm is applied: runs of consecutive whitespace are regarded as a single separator, and the result will contain no empty strings at the start or end if the string has leading or trailing whitespace.

1
2
3
4
>>> line="a sentence with a few words"
>>> line.split()
['a', 'sentence', 'with', 'a', 'few', 'words']
>>>
相关讨论

根据你计划如何处理你的句子列表，你可能想看看自然语言的工具包。它主要处理文本处理和评估。您还可以使用它来解决您的问题：

1
2
import nltk
words = nltk.word_tokenize(raw_sentence)

这样做还有一个额外的好处，那就是拆分标点符号。

例子：

1
2
3
4
5
6
>>> import nltk
>>> s ="The fox's foot grazed the sleeping dog, waking it."
>>> words = nltk.word_tokenize(s)
>>> words
['The', 'fox',"'s", 'foot', 'grazed', 'the', 'sleeping', 'dog', ',',
'waking', 'it', '.']

这允许您过滤掉不需要的标点符号，只使用单词。

请注意，如果您不打算对句子进行任何复杂的操作，使用string.split()的其他解决方案会更好。

[编辑]

相关讨论

这个算法怎么样？在空白处拆分文本，然后修剪标点符号。这会小心地删除单词边缘的标点符号，而不会损害单词内部的撇号，如we're。

1
2
3
4
5
6
7
8
9
>>> text
"'Oh, you can't help that,' said the Cat: 'we're all mad here. I'm mad. You're mad.'"

>>> text.split()
["'Oh,", 'you',"can't", 'help',"that,'", 'said', 'the', 'Cat:',"'we're", 'all', 'mad', 'here.',"I'm", 'mad.',"You're","mad.'"]

>>> import string
>>> [word.strip(string.punctuation) for word in text.split()]
['Oh', 'you',"can't", 'help', 'that', 'said', 'the', 'Cat',"we're", 'all', 'mad', 'here',"I'm", 'mad',"You're", 'mad']
相关讨论

I want my python function to split a sentence (input) and store each word in a list

str().split()方法是这样做的，它使用一个字符串，将其拆分为一个列表：

1
2
3
4
5
6
>>> the_string ="this is a sentence"
>>> words = the_string.split("")
>>> print(words)
['this', 'is', 'a', 'sentence']
>>> type(words)
<type 'list'> # or <class 'list'> in Python 3.0

你的问题是因为打字错误，你写的是print(words)，而不是print(word)：

将word变量重命名为current_word，这是您拥有的：

1
2
3
4
def split_line(text):
    words = text.split()
    for current_word in words:
        print(words)

…当你应该这样做的时候：

1
2
3
4
def split_line(text):
    words = text.split()
    for current_word in words:
        print(current_word)

如果出于某种原因，您希望在for循环中手动构造一个列表，那么您将使用list append()方法，这可能是因为您希望降低所有单词的大小写(例如)：

1
2
3
my_list = [] # make empty list
for current_word in words:
    my_list.append(current_word.lower())

或者更整洁一点，使用列表理解：

1
my_list = [current_word.lower() for current_word in words]

shlex具有.split()功能。它与str.split()的不同之处在于，它不保留引号，将引号短语视为单个单词：

1
2
3
>>> import shlex
>>> shlex.split("sudo echo 'foo && bar'")
['sudo', 'echo', 'foo && bar']

我想你是因为打字错误而困惑。

用循环中的print(word)替换print(words)，使每个字都打印在不同的行上。

如果你想要一个单词/句子的所有字符在一个列表中，请执行以下操作：

1
2
3
4
5
6
print(list("word"))
#  ['w', 'o', 'r', 'd']


print(list("some sentence"))
#  ['s', 'o', 'm', 'e', ' ', 's', 'e', 'n', 't', 'e', 'n', 'c', 'e']