python查找字符串资源-CSDN文库

共3个文件

py：1个

mention_ch：1个

mention_en：1个

python

字符串

5星 · 超过95%的资源需积分: 49 54 浏览量 2012-02-20 09:12:36 上传评论 1 收藏 158KB ZIP 举报

在Python编程中，字符串操作是极其基础且重要的部分。它涉及到文本处理、数据解析和许多其他功能。在处理自然语言任务，比如CONLL评测时，查找字符串的能力尤为关键。CONLL（CoNLL，Conference on Natural Language Learning）是自然语言处理领域的一个知名评测比赛，涉及诸如句法分析、命名实体识别等任务，而这些任务往往需要对文本中的特定字符串进行精确查找和匹配。在Python中，有多种方法可以实现字符串查找： 1. **内置方法**： - `str.find()`：此方法用于查找子字符串在原字符串中首次出现的位置。返回值为开始位置的索引，如果未找到则返回-1。 ```python s = "Hello, Python lovers!" index = s.find("Python") print(index) # 输出：7 ``` - `str.index()`：与`find()`类似，但如果没有找到子字符串，会抛出`ValueError`异常。 2. **正则表达式模块（re）**： Python的`re`模块提供了强大的正则表达式功能，可以进行复杂的字符串匹配和查找。 ```python import re s = "Hello, Python lovers!" match = re.search("Python", s) if match: print(match.start()) # 输出：7 ``` 正则表达式支持模式匹配，例如，通过`^`匹配开头，`$`匹配结尾，`.`匹配任意字符，`*`表示前一个字符出现0次或多次，`+`表示至少出现一次，`?`表示出现0次或1次，`[]`表示字符集，`\d`表示数字等。 3. **in 关键字**：可以直接使用`in`关键字判断子字符串是否在原字符串中。 ```python s = "Hello, Python lovers!" if "Python" in s: print("Found!") ``` 4. **切片和循环**：对于简单的查找，可以通过遍历字符串并使用切片来实现。 ```python s = "Hello, Python lovers!" for i in range(len(s)): if s[i:i+6] == "Python": print("Found at index", i) ``` 5. **字符串方法**：还有一些其他的方法如`str.startswith()`和`str.endswith()`，分别用来检查字符串是否以指定的前缀开始或以指定的后缀结束。在CONLL评测中，这些查找字符串的技巧会被用于寻找特定的词汇、标记或结构，例如识别句子边界、实体名称等。理解并熟练运用这些方法对于进行自然语言处理任务至关重要。在实际应用中，可能还需要结合其他数据结构（如列表、字典）以及循环、条件判断等控制流程，以实现更复杂的字符串处理逻辑。同时，为了提高性能，可能还需要考虑使用更高效的数据结构（如集合set）或算法（如KMP算法、Boyer-Moore算法）进行字符串查找。

资源推荐

资源详情

资源评论

收起资源包目录

find.zip （3个子文件）

find

mention_en 630KB

find.py 2KB

mention_ch 443KB

#!/usr/bin/env python2.7 import os import sys import string def get_hash(basedir): hash = {} outchain = open("./chain",'w') for path in os.walk(basedir): if len(path[2]) == 0 : continue else: for file in path[2]: fullname = file.split('.') if fullname[1] == "chain": file_name = path[0] + "/" + file doc_id =path[0][path[0].find("annotations")+12:] + "/" + fullname[0] infile = open(file_name) part_num = "000" while True: line = infile.readline() if len(line) == 0 : break if line.startswith("Chain"): part_num = line.split()[1].split('-')[0] elif not line.startswith("\n"): line_list = line.split() position = line_list[0] token_list = line_list[1:] tokens = " ".join(token_list) sentence_id = position.split('.')[0] token_id = position.split('.')[1] key = doc_id + ".part" + part_num + "." + str(string.atoi(sentence_id)) + "." + str(string.atoi(token_id.split('-')[0])) + "-" + str(string.atoi(token_id.split('-')[1])) hash[key] = tokens outchain.write(key+"\t"+tokens+"\n") infile.close() outchain.close() return hash lang = "english" #can change to english or chinese base_dir = "/home/lzj/CONLLdata/" + lang infile_name = "./mention" if lang == "english": infile_name = infile_name + "_en" elif lang == "chinese": infile_name = infile_name + "_ch" else: infile_name = infile_name + "_ar" in_mention_file = "./in_mention" in_chain_file = "./in_chain" in_both_file = "./in_both" chain_hash = get_hash(base_dir) print "get hash finished." infile = open(infile_name) in_mention = open(in_mention_file,'w') in_chain = open(in_chain_file,'w') in_both = open(in_both_file,'w') while True: line = infile.readline() if len(line) == 0 : break key = line.split("\t")[0] if chain_hash.has_key(key): in_both.write(line) del chain_hash[key] else: in_mention.write(line) left_chain_items = chain_hash.items() for item in left_chain_items: in_chain.write(item[0]+"\t"+item[1]+"\n") print "search finished."

评论收藏

内容反馈