如何找到一个单词 - 第一个字母大写，其他字母小写

Question

问题陈述：从完整的文本集中过滤这些单词，第一个字母大写，其他所有字母小写。 将结果存储在变量 title_words 中。 打印 title_words 中存在的单词数。

我已经尝试了所有可能的方法来找到答案，但不知道我落后于哪里。

import nltk
from nltk.book import text6
title_words = 0
for item in set(text6):
    if item[0].isupper() and item[1:].islower():
        title_words += 1
print(title_words)

我也试过这种方式：

title_words = 0
for item in text6:
    if item[0].isupper() and item[1:].islower():
        title_words += 1
print(title_words)

我不确定需要多少计数，无论计数即将到来，它都不允许我通过挑战。 如果我在这段代码中做错了什么，请告诉我

Answer 1

上述建议之一确实对我有用。 下面的示例代码。

title_words = [word for word in text6 if (len(word)==1 and word[0].isupper()) or (word[0].isupper() and word[1:].islower()) ]
print(len(title_words))

Answer 2

在问题中，“将结果存储在变量 title_words 中。打印 title_words 中存在的单词数。”

过滤一个元素列表的结果是一个相同类型元素的列表。 在您的情况下，过滤列表text6 （假设它是一个字符串列表）将导致一个（较小的）字符串列表。 你的title_words变量应该是这个过滤列表，而不是字符串的数量； 字符串的数量就是列表的长度。

如果大写的单词应该被过滤掉（即从较小的列表中删除）还是过滤掉（即保留在列表中），这个问题也是模棱两可的，因此请尝试两者，看看您是否对它的解释有误。

Answer 3

试试正则表达式：

>>> import re
>>> from nltk.book import text6
>>>
>>> text = ' '.join(set(text6))
>>> title_words = re.findall(r'([A-Z]{1}[a-z]+)', text)
>>> len(title_words)
461

Answer 4

text6 中有 50 个单例元素（长度为 1 的元素），但是，您的代码不会成功通过任何元素，例如“I”或“W”等。这是正确的，还是您需要最小长度为 2 的单词?

Answer 5

我认为问题出在set(text6) 。 我建议你迭代text6.tokens 。

更新、说明

您提供的代码是正确的。

问题是文本可以多次包含相同的单词。 做一个set(words)会减少总可用词，所以你从一个不完整的数据集开始。

其他响应在检查单词的有效性时不一定是错误的，但它们正在迭代相同的错误数据集。

Answer 6

根据问题的要求，只需进行一些更改。

from nltk.book import text6
title_words = []
for item in set(text6):
    if item[0].isupper() and item[1:].islower():
        title_words.append(item)
print(len(title_words))

Answer 7

试试这个：

title_words = [ word for word in text6 if word.istitle()]

print(len(title_words))