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:

  1. 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
  2. 标点符号不成词,仅用于断句
  3. 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"]
  4. 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:

  1. 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
  2. 最长匹配原则:优先匹配最长符合条件的单词
  3. 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 = '')
相关推荐
袁培宇3 分钟前
python学习打卡day40
人工智能·python·学习
PythonicCC6 分钟前
Django的生命周期
python·django·sqlite
竹子_2314 分钟前
《零基础入门AI:深度学习之NLP基础学习》
人工智能·python·深度学习·自然语言处理
旦莫1 小时前
MTSC2025参会感悟:AI 驱动的测试用例生成
人工智能·python·测试开发·测试用例·ai测试·mtsc2025
im_AMBER1 小时前
学习日志39 python
开发语言·python·学习
农场主John1 小时前
(栈)Leetcode155最小栈+739每日温度
windows·python·算法·leetcode·
Goona_2 小时前
PyQt多窗口应用开发:构建完整的可二次开发用户登录注册模板
python·小程序·excel·pyqt
山烛2 小时前
OpenCV图像形态学操作
图像处理·人工智能·python·opencv·计算机视觉·图像形态学
Q_Q5110082852 小时前
python的校园研招网系统
开发语言·spring boot·python·django·flask·node.js·php