Python 3 - Lernen und professionell anwenden

359

Kapitel 13

Verarbeitung von Zeichenketten

Menschen und Computer kommunizieren häufig über Texte. In ein Konsolenfenster des

Betriebssystems Ihres Rechners (z.B. Eingabeaufforderung bei Windows) können Sie Kom-

mandos in der formalen Sprache des jeweiligen Betriebssystems eingeben. Das ist für den

Menschen manchmal mühsam, weil er sich strikt an die Syntax der Kommandosprache hal-

ten muss. Kleinste Abweichungen führen zu Fehlermeldungen.

Systeme mit natürlichsprachlicher Schnittstelle sind in der Lage, Dialoge in normaler

Umgangssprache (z.B. Deutsch) zu führen. Ein solches System analysiert den eingegebe-

nen Text und versucht, anhand bestimmter Merkmale herauszufinden, was der Benutzer

will. Dann reagiert es in irgendeiner Weise – führt z.B. eine Operation aus – und liefert eine

für Menschen verständliche sprachliche Ausgabe.

Sprachliche Information kann über unterschiedliche Kanäle ausgetauscht werden. Ein Text

kann über die Tastatur eingetippt oder über ein Mikrofon eingesprochen werden. Im letzte-

ren Fall übernimmt ein Spracherkennungssystem die Umwandlung in eine Zeichenkette.

Die Ausgabe von Texten erfolgt meist als Schrift über den Bildschirm oder Drucker. Text-to-

Speech-Systeme wandeln Zeichenketten in gesprochene Sprache um, die als Akustik-Signal

von einem Lautsprecher abgestrahlt wird.

Entscheidend ist, dass unabhängig von der Form der Ein- und Ausgabe sprachliche Erzeug-

nisse durch Zeichenketten (Strings) repräsentiert werden. Damit ein Computerprogramm

Dialoge mit seiner Umwelt führen kann, muss es in der Lage sein, Zeichenketten zu verar-

beiten. In diesem Kapitel werden wir folgende Fragen ansprechen:

쐽 Wie kann man in einen Text »Bausteine« automatisch einfügen und auf diese Weise

neue Texte produzieren?

쐽 Wie kann man Texte analysieren und (innerhalb gewisser Grenzen) die Bedeutung

ermitteln?

쐽 Wie kann man aus Texten bestimmte interessierende Teile herauslösen?

쐽 Wie werden natürlichsprachige Benutzungsoberflächen programmiert?

13.1 Standardmethoden zur Verarbeitung von Zeichenketten

Zeichenketten sind Folgen aus lesbaren Zeichen. Es sind Objekte vom Standardtyp str.

Dagegen sind Bytestrings Folgen aus Oktetten (Zahlen zwischen 0 und 255), die irgendwel-

che Daten repräsentieren.

Die Klasse

str bietet eine Reihe von Methoden zur Analyse (Tests auf bestimmte Merkmale,

Finden von enthaltenen Substrings etc.) oder zur Produktion neuer Zeichenketten durch

Abändern einer Kopie des Originals (kleine Buchstaben in große Buchstaben umwandeln,

Leerzeichen einfügen etc.).