文字改寫

文字改寫(Munging)是一種通過改造它們來清理任何雜亂的東西。 在下面的例子中,我們將看到如何轉換文本以獲得一些結果,這些結果爲提供了一些理想的數據更改。 在一個簡單的層面上,它只是改變正在處理的文本。

示例

在下面的例子中,計劃改組然後重新排列句子的所有字母,除了第一個和最後一個字母以獲得可能的替代單詞,這些單詞可能在人類寫作期間被生成爲拼寫錯誤的單詞。

import random

import re

def replace(t):
    inner_word = list(t.group(2))
    random.shuffle(inner_word)
    return t.group(1) + "".join(inner_word) + t.group(3)
text = "Hello, You should reach the finish line."
print re.sub(r"(\w)(\w+)(\w)", replace, text)

print re.sub(r"(\w)(\w+)(\w)", replace, text)

當運行上面的程序時,我們得到以下輸出 -

Hlleo, You slouhd raech the fsiinh lnie.
Hlleo, You suolhd raceh the fniish line.

在這裏可以看到除了第一個和最後一個字母之外,這些單詞是如何混亂的。 通過對錯誤拼寫採用統計方法,可以確定通常錯誤的單詞是什麼,併爲它們提供正確的拼寫。