如何不计算单词间的标点符号

Question

对仅用诸如“不应”之类的单词计数的单引号进行计数的最佳方法是什么。

例如，“我不应该那样做”计数一次，但是“我不愿意那样做”计数为零

基本上，我如何使用计数来计算单词而不是引号中的撇号。

我一直无法尝试很多成功。 我只能使用基本的for循环来计算每个撇号，但不能专门缩小范围。

for sentence in split_sentences: 
        for w in sentence:
            for p in punctuation:
                if p == w:
                    if word in counts:
                        counts[p] += 1 
                    else:
                        counts[p] = 1

                else:
                    pass

对于给定的单词列表，它应仅以单词为单位而不是单词周围。 因此，“应该”不会计数，而“应该”则不会计数。

Answer 1

您可以检查它是否在单词中：

for sentence in split_sentences: 
        for w in sentence:
            for p in punctuation:
                if p in w and w[0] != p and w[-1] != p:
                    if word in counts:
                        counts[p] += 1 
                    else:
                        counts[p] = 1
                else:
                    pass

if p in w and w[0] != p and w[-1] != p:是重要的一行if p in w and w[0] != p and w[-1] != p:我们有3条规则可以计算：

• 标点p在单词2
• 单词w不以标点p开头（ w[0] ）
• 单词w不以标点p结尾（ w[-1] ）

一种更pythonic的方式是使用str可用的方法， endswith和startswith ：

...
if p in w and not w.startswith(p) and not w.endswith(p):
   ...

Answer 2

您可以使用正则表达式[a-zA-Z]'[a-zA-Z]查找由字母包围的所有单引号。

对连字符的要求对我来说还不是很清楚。 如果它具有与使用正则表达式[a-zA-Z]['-][a-zA-Z]相同的要求（即，仅当被字母包围时才计数）将达到目的：它将也计算引号作为连字符。

如果您应该计算所有连字符，则可以只使用str.count方法（例如， "test-string".count("-")返回1）。

这是一些示例代码，假定连字符被字母包围时也必须计算连字符：

import re

TEST_SENTENCES = (
    "I shouldn't do that",
    "'I will not do that'",
    "Test-hyphen"
)

PATTERN = re.compile("[a-zA-Z]['-][a-zA-Z]")

for sentence in TEST_SENTENCES:
    print(len(PATTERN.findall(sentence)))

输出：

1
0
1