古腾堡计划 Python 问题？

Question

我正在尝试通过 python 的正则表达式和 NLTK 处理各种文本 - 它位于 http://www.nltk。 org/book-.我正在尝试创建一个随机文本生成器，但我遇到了一个问题。首先，这是我的算法：

1. 输入一个句子作为输入 - 这称为触发字符串 -

2. 获取触发字符串中最长的单词

3. 在所有古腾堡计划数据库中搜索包含此单词的句子 - 无论大写小写 -

4. 返回包含我在步骤 3 中谈到的单词的最长句子

5. 将步骤 1 和步骤 4 中的句子附加在一起

6. 重复该过程。请注意，我必须获取第二句中最长的单词并继续这样，依此类推 -

，我已经能够对前两个句子执行此操作，但我无法执行不区分大小写的搜索。古腾堡计划的整个句子数据库可通过 gutenberg.sents() 函数获得，但正则表达式 - 不区分大小写的搜索实际上是不可能的，因为 gutenberg.sents() 输出书中的句子如下 - 以列表格式的列表 -：

键入来调用莎士比亚的麦克白的所有句子

import nltk

from nltk.corpus import gutenberg 

gutenberg.sents('shakespeare-macbeth.txt') 

示例：通过在 python shell 命令行中

[['[', 'The', 'Tragedie', 'of', 'Macbeth', 'by', 'William', 'Shakespeare', '1603', ']'], 
['Actus', 'Primus', '.'], .......] 

，输出为： with [The Tragedie of Macbeth by William Shakespare, 1603] 和 Actus Primus。是前两句。

无论是大写还是小写，如何找到我要查找的单词？我迫切需要帮助，因为过去两天我一直在修补这个问题，它开始让我感到紧张。多谢。

Answer 1

给定单词列表 L 和目标单词 t，

any(t.lower()==w.lower() for w in L)

以不区分大小写的方式告诉您 L 是否包含单词 t。当然，这样做速度更快，

lt = t.lower()
any(lt==w.lower() for w in L)

因为 Python 不会将常量计算“提升”到循环之外，并且除非您自己将其提升，否则它将重复执行。

给定列表 lol 的列表，可以通过以下方式找到包含 t 的最长子列表

longest = max((L for L in lol if any(lt==w.lower() for w in L)), key=len)

如果多个子列表包含 t 并且属于相同的最大长度，这会给你第一个，因为它发生了。

Answer 2

如何使用内置函数： str.lower()¶
返回转换为小写的字符串的副本。

然后只需比较字符串即可。