WedX - журнал о программировании и компьютерных науках

Добавление каждого слова в строку в список?

Учитывая строку

string1='apple purple orange brown'

Как бы я превратил его в список

list1=['apple','purple','orange','brown']

Я думал, что смогу сделать

string1='apple purple orange brown'
list1=[]
for item in string1:
     list1.append(item)

Но это дает мне список всех символов строки, а не только слов. Есть ли способ разделить строку на пробелы, а затем добавить ее в список?

24.04.2013

Ответы:


1

Используйте метод split() для String. Он дает вам список:

>>> "Foo bar".split()
['Foo', 'bar']

Если вы хотите разделить что-то еще, кроме пробелов, просто передайте его в split:

>>> "Pipe|separated|values".split("|")
['Pipe', 'separated', 'values']

Split знает еще больше хитростей, например ограничение количества разделений.

24.04.2013

2
string1='apple purple orange brown'
list1=string1.split()

Ваш список находится в списке1

Изменить: функция разделения возвращает список

24.04.2013

3
string1='apple purple orange brown'
list1=[]
list1.extend(string1.split(' '))

листья

list1 == ['apple', 'purple', 'orange', 'brown']

Выражение string1.split(' ') само по себе является списком только подстрок, разделенных пробелами, но вы можете использовать extend, чтобы добавить результат в существующий список, если у вас может быть другое содержимое в этом списке.


Если вам нужно иметь дело с предложениями на человеческом языке, а не только с одиночными пробелами между словами, вы можете изучить правильную сегментацию текста, как описано в https://stackoverflow.com/a/7188852/20394

24.04.2013
Новые материалы

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]