Python – 文本处理

在一般情况下，Munging 意味着通过转换的方式对任何混乱的东西进行清理。在我们的情况下，我们将看到如何通过转换文本来得到一些结果，从而为我们的数据带来一些理想的改变。在一个简单的层次上，它只是关于转换我们正在处理的文本。

示例

在下面的示例中，我们计划打乱然后重新排列句子的所有字母，除了第一个和最后一个之外，以获得可能通过人类书写时生成的错字而生成的可能的交替单词。这种重新排列可以帮助我们在统计错误拼写时决定哪些是常见的错误单词，并为它们提供正确的拼写。

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)

当我们运行上面的程序时，我们会得到以下输出 −

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

在这里，你可以看到单词是混乱的，除了第一个和最后一个字母。通过对拼写错误采取一种统计方法，我们可以确定哪些是常见的拼写错误单词，并为它们提供正确的拼写。