我试图用句子分割句子.

words = content.lower().split()

这给了我一些单词列表

'evening,', 'and', 'there', 'was', 'morning--the', 'first', 'day.'

并使用此代码：

def clean_up_list(word_list):
    clean_word_list = []
    for word in word_list:
        symbols = "~!@#$%^&*()_+`{}|\"?><`-=\][';/.,']"
        for i in range(0, len(symbols)):
            word = word.replace(symbols[i], "")
        if len(word) > 0:
            clean_word_list.append(word)

我有类似的东西：

'evening', 'and', 'there', 'was', 'morningthe', 'first', 'day'

如果你在列表中看到“morningthe”这个词,它曾经在单词之间有“ – ”.现在,有什么方法可以用“早晨”,“这个”这两个词来分割它们吗？

解决方法:

我建议使用基于正则表达式的解决方案：

import re

def to_words(text):
    return re.findall(r'\w+', text)

这会查找所有单词 – 字母字符组,忽略符号,分隔符和空格.

>>> to_words("The morning-the evening")
['The', 'morning', 'the', 'evening']

请注意,如果您循环使用单词,则使用返回生成器对象的re.finditer可能会更好,因为您没有一次存储整个单词列表.