华为OD-2024年E卷-中文分词模拟器[200分] -- python

问题描述：

给定一个连续不包含空格的字符串，该字符串仅包含英文小写字母及英文标点符号（逗号、分号、句号），同时给定词库，对该字符串进行精确分词。

说明：

精确分词：字符串分词后，不会出现重叠。即"ilovechina"，不同词库可分割为"i,love,china"，"ilove,china"，不能分割出现重叠的"i,ilove,china"，i 出现重叠
标点符号不成词，仅用于断句
词库：根据外部知识库统计出来的常用词汇例：dictionary = ["i", "love", "china", "lovechina", "ilove"]
分词原则：采用分词顺序优先且最长匹配原则"ilovechina"，假设分词结果 [i,ilove,lo,love,ch,china,lovechina]，则输出 [ilove,china]

错误输出：[i,lovechina]，原因："ilove" > 优先于 "lovechina" 成词

错误输出：[i,love,china]，原因："ilove" > "i"遵循最长匹配原则

输入描述

第一行输入待分词语句 "ilovechina"

字符串长度限制：0 < length < 256

第二行输入中文词库 "i,love,china,ch,na,ve,lo,this,is,this,word"

词库长度限制：1 < length < 100000

输出描述

按顺序输出分词结果 "i,love,china"

复制代码

ilovechina
i,love,china,ch,na,ve,lo,this,is,the,word

i,love,china

iat
i,love,china,ch,na,ve,lo,this,is,the,word,beauti,tiful,ful

i,a,t
#说明：单个字母，不在词库中且不成词则输出单个字母

解题思路：

按照分词规则：

分词顺序优先、不能重叠：分词从头开始，分完一个进入下一个
最长匹配原则：优先匹配最长符合条件的单词
英文标点符号：处理时将其加入ans结果列表，在输出ans时，判断是否需要额外补逗号'，'

可能的问题：由示例2可看出并没有保证词库单词能完全匹配目标字符串，如果当前最长匹配的单词，后续却没有其他单词能够与其组成目标字符串，会输出单个字母

代码实现：

python 复制代码

s = input()
arr = input().split(',')
ans = []
i = 0
while i < len(s):
    #标点符号处理：直接加入ans并跳过后续单词处理
    if not ('a' <= s[i] <= 'z'):
        ans.append(s[i])
        i += 1
        continue
    temp = s[i]
    curr_temp = s[i]
    curr_i = i+1
    #从当前字符开始，最长匹配，若curr_temp能在词库找到，则更新加入ans的temp及当前索引
    for j in range(i+1,len(s)):
        curr_temp += s[j]
        if curr_temp in arr:
            curr_i = j+1
            temp = curr_temp
    i = curr_i
    ans.append(temp)
#判断是否需要输出逗号','
for i in range(len(ans)):
    print(ans[i],end = '',sep = '')
    if i+1 < len(ans) and 'a' <= ans[i][0] <= 'z' and 'a' <= ans[i+1][0] <= 'z':
        print(',',end = '',sep = '')