如何将字符串拆分为字典并将单词/句子与保持字符串顺序的 url 分开答案

【问题标题】：How to split string into dictionary and separate words/sentences from urls keeping the string order如何将字符串拆分为字典并将单词/句子与保持字符串顺序的 url 分开
【发布时间】：2021-07-02 11:09:09
【问题描述】：

我有一个字符串，其中包含文本和字符串中的 URL 实例数。由于 myString 是一个变量，因此每次在 myString 的不同部分中都可能没有一个或多个 URL 实例，我希望只有在存在任何 URL 时才将 myString 拆分为多条消息。否则它只会是一条消息。

我正在寻找一种方法将 myString 中的文本单词/句子与 URL 分开，但保持对话中的顺序，例如：

message1: Text: "Hello world,"
message2: URL: "https://auth.geeksforgeeks.org/user/Chinmoy%20Lenka/articles"
message3: Text: "in the portal of"
message4: URL: "http://www.geeksforgeeks.org/"
message5: Text: ". Sample text goes here"
... #and so on...

我假设我需要将我的字符串转换为嵌套字典，但不完全确定如何实现这一点。有人可以给我一些提示吗？提前谢谢你。

myString = "Hello world, https://auth.geeksforgeeks.org/user/Chinmoy%20Lenka/articles in the portal of http://www.geeksforgeeks.org/. Sample text goes here www.google.com but also here https://google.com lorem ipsum google.com/contact-us multiple urls within text."

【问题讨论】：

这个message4: URL: "http://www.geeksforgeeks.org/"不是python中的有效字典
为什么你认为字典是最好的数据结构？看起来列表会更合适，因为它保持元素的顺序，并且您的字典键实际上只是字符串“消息”+索引。
关于您的问题，我会在 Google 上搜索 URL 的正则表达式，并使用它将字符串拆分为单独的 URL/非 URL 部分。

标签： python string dictionary split

【解决方案1】：

text = myString.split(" ")
urls = [];

for x in text:
    if x.find("http") != -1:
        urls.append(x)

然后打印每个列表的所有其他条目。

【讨论】：

【解决方案2】：

您可以逐字拆分字符串并存储在列表中。然后在遍历该列表时，检查当前单词是否为 url。如果是，则将其添加到最终列表中，否则将其存储在 temp_words_list 中。下面是代码实现：

def modifier(myString):
    words_list = myString.split()
    final_list = []
    temp_words_list = []

    for word in words_list:
        # assuming every word starting with http is actual url
        if '.com' in word or word.startswith('http'):
            if len(temp_words_list) > 0:
                final_list.append(' '.join(temp_words_list))
                temp_words_list = []
        
            final_list.append(word)
        else:
            temp_words_list.append(word)

    # Handling edge case when string does not end with url
    if len(temp_words_list) > 0:
        final_list.append(' '.join(temp_words_list))

    return final_list

print(modifier(myString))

这将给出以下输出：

['Hello world,', 'https://auth.geeksforgeeks.org/user/Chinmoy%20Lenka/articles', 'in the portal of', 'http://www.geeksforgeeks.org/.', 'Sample text goes here', 'www.google.com', 'but also here', 'https://google.com', 'lorem ipsum', 'google.com/contact-us', 'multiple urls within text.']

【讨论】：

【解决方案3】：

使用来自re 模块的split：

>>> re.split(r'\s*(https?://[^\s]*)\s*', myString)

['Hello world,',
 'https://auth.geeksforgeeks.org/user/Chinmoy%20Lenka/articles',
 'in the portal of',
 'http://www.geeksforgeeks.org/.',  # <- The problem is here (with '.')
 'Sample text goes here www.google.com but also here',
 'https://google.com',
 'lorem ipsum google.com/contact-us multiple urls within text.']

【讨论】：