Python 3 - Lernen und professionell anwenden

Kapitel 13

Verarbeitung von Zeichenketten

386

wird gewährleistet, dass Punkte in Gleitkommazahlen oder URLs nicht als Satztrennungs-

zeichen interpretiert werden.

#2: Der Text wird in eine Liste von Sätzen aufgespalten. Deren Länge ist die Anzahl der

Sätze.

#3: text.split() liefert eine Liste aller Wörter (Default-Trennsymbol ist das Leerzeichen).

Die Länge dieser Liste ist die Anzahl der Wörter.

13.5.6 Teilstrings ersetzen mit sub()

Ein Aufruf re.sub(replace, string) liefert eine Zeichenkette, die aus dem String im

zweiten Argument nach folgendem Verfahren berechnet wird: Von links beginnend werden

nicht überlappende Vorkommen von Teilstrings, auf die der reguläre Ausdruck von

re passt,

durch den String

replace ersetzt. Im folgenden Beispiel werden Zahlenangaben durch

Unterstriche ersetzt:

Sollen nicht alle passenden Teilstrings ersetzt werden, kann als drittes Argument die Anzahl

der Ersetzungen angegeben werden.

13.5.7 Match-Objekte

Die Methoden search() und match() geben ein so genanntes Match-Objekt zurück, falls

der reguläre Ausdruck auf den geprüften String passt. Es kann durch Abfragen von Attribu-

ten bzw. Aufruf von Methoden ausgewertet werden.

In Dialogsystemen verwendet man Match-Objekte, um zu einer Eingabe eine passende Ant-

wort zu generieren, in der Teile des Eingabestrings verwendet werden. Das folgende Skript

implementiert einen sehr beschränkten Chat Bot, der sich wie ein Gesprächspsychologe ver-

hält. Er reagiert auf einige wenige Textmuster in der Weise, dass er den Gesprächspartner

zum Weitererzählen ermuntert.

>>> s = 'Das Auto kostet 1756.90 Euro.'

>>> re = compile('\d')

>>> print(re.sub('_', s))

Das Auto kostet ____.__Euro.

Attribut /Methode Erklärung

end() Liefert den Index vom Ende des längsten passenden Teilstrings.

re Der reguläre Ausdruck (als RE-Objekt), der beim Aufruf von

search() oder match() verwendet wurde

start() Liefert den Index des Anfangs des passenden Teilstrings.

string Der String, der geprüft wurde

Tabelle 13.12: Die wichtigsten Methoden und Attribute von Match-Objekten

387

13.5

Reguläre Ausdrücke

Zum Beispiel wird aus dem Satz

»Alle lachen über mich!«

die folgende Antwort generiert:

»Wer lacht über Sie? Denken Sie an bestimmte Personen?«

Die Konstruktion der Antwort funktioniert im Prinzip folgendermaßen:

쐽 Aus der Eingabe wird ein Satz extrahiert, der mit alle, gefolgt von einem Verb (Wort mit

Endung

en) beginnt.

쐽 In diesem Satz werden einige Strings gemäß Abbildung 13.5 durch neue Strings ersetzt.

Das ergibt den ersten Satz der Antwort.

Abb. 13.5: Konstruktion einer Antwort durch Ersetzungen

Das folgende Skript zeigt, wie man für die Ersetzungen Match-Objekte verwendet.

Skript:

# chat.py

fro m re i m port *

class Chat (object):

d e f __a l l e(s e lf, e ):

re1 = compile('alle \w\w+en', I) #1

r e 2 = c o m pil e ('a l l e', I ) #2

re3 = compile('[.!,;]+') #3

m 1 = re 1 . sea r ch( e )

m2 = re2.search(e)

i f m1:

passendesStueck1 = m1.string[m1.start():m1.end()] #4

verb = passendesStueck1.split()[1] #5

s tam m = ve r b [:- 2 ] #6

passendesStueck2 = m2.string[m2.start():] #7

satz = re3.split(passendesStueck2) [0] #8

restsatz = passendesStueck2.split(' ',2)[2] #9

restsatz = restsatz.replace('mich','Sie')

restsatz = restsatz.replace('mein', 'Ihr')

antwort = 'Wer {}t {}?'.format(stamm, restsatz)

antwort += ' Denken Sie an bestimmte Personen?'

return antwort

Alle lachen ueber mich !

Wer t Sie ?

Kapitel 13

Verarbeitung von Zeichenketten

388

Erläuterung:

#1: Dieser reguläre Ausdruck spezifiziert Strings, die das Wort alle enthalten, gefolgt von

einem Leerzeichen und einem Wort mit mindestens vier Buchstaben, das mit

en endet.

#2: r2 passt auf Strings, die mit alle beginnen.

#3: r3 spezifiziert eine Folge von Satzzeichen.

#4: m1 ist ein Match-Objekt, das mithilfemithilfe des RE-Objektes re1 gewonnen wurde. m1.

start()

und m1.end() liefern Anfangs- und Endposition des längsten Teilstrings der Ein-

gabe, der auf den regulären Ausdruck von

r1 passt. Somit erhält die Variable passendes-

Stueck1

(idealerweise) einen String, der aus dem Wort alle und einem nachfolgenden

Verb besteht.

#5: Dieser String wird in zwei Wörter aufgespalten, das Verb ist das zweite Wort.

#6: Der Wortstamm des Verbs ist das Verb ohne die letzten beiden Buchstaben en.

#7: passendesStueck2 ist ein Teilstring der Eingabe e, der mit alle beginnt und bis zum

Ende der Eingabe geht.

de f _ _fa m ilie ( sel f , e) :

re = compile('bruder|schwester|mutter|vater', I)

if re.search(e):

antwort = 'Erzählen Sie mir mehr über Ihre Familie.'

return antwort

def __negativ(self, e):

re = compile('nein|nicht|kein', I)

if re.search(e):

antwort = 'Denken Sie nicht ein bisschen negativ?'

return antwort

def chat(self):

print('Hallo, ich bin Mini-Eliza.')

e = input('Sie: ')

while e:

if self.__alle(e): print(self.__alle(e))

elif self.__familie(e): print(self.__familie(e))

elif self.__negativ(e): print(self.__negativ(e))

else: print('Aha ...')

e = input('Sie: ')

print('Auf Wiedersehen!')

chat = Chat()

chat.chat()