文字列消滅のための継承を経由して

Question

私はこのようなことが必要なフォーラムからこの問題を遭遇しました： あなたは一連の継承が与えられ、そのテキストを含む継承をフィルタリングしなければなりません（空白で区切られたシーケンス言葉）は、1つ以上の他の通路の副通路として完全に含まれる。封じ込めのために比較した場合、一定の規則に従わなければならない

： アルファベットの場合は 先頭と末尾の空白を無視すべき連続する空白の他のブロックは、単一の空間 非英数字として扱われるべき 無視されるべき文字を無視する必要があります。空白は保持する必要があります。 重複もフィルタリングする必要があります。上記の比較ルールに対して2つの節が等しいと見なされた場合、最短のものだけを保持してください。同じ長さの場合は、入力シーケンスの最初のものを保持する必要があります。保持された通路は、元の形（入力通路と同一）で同じ順序で出力されるべきである。

入力1：IBM認知コンピューティング| IBM "認知"コンピューティングは革命です。 ibm認知コンピューティング|「IBM認知コンピューティング」は革命ですか？ IBM「認知」コンピューティング：

出力1：| | IBMは、「認知」コンピューティングは革命である認知コンピューティングは革命です

出力2 IBM認知コンピューティング：IBMは、「認知」コンピューティングは革命

入力2です

f = open("input.txt",'r') 
s = (f.read()).split('|') 
str = '' 
for a in s: 
    for b in s: 
     if(''.join(e for e in a.lower() if e.isalnum()))not in (''.join(e for e in b.lower() if e.isalnum())): 
      str = a.translate(None, "'?") 

print str 

：認知コンピューティングは、私はPythonで、次のコードを書きましたが、それは私にいくつかの他の出力ではなく、最初のテストケースを与えている革命

です|革命です

input.txtには、最初のテストケース入力が含まれています。そして出力を次のようにしています。 IBM Cognitive Computingは革命です。 誰かがチャイムをして助けてくれますか？ありがとう

Answer 1

私は文字通りこれをあなたのためにコード化しましたが、うまくいけばわかりやすいです（私はそのように最適化されていません）。あなたがそれをスピードアップする必要があるのか​​、何か質問がある場合は私に教えてください！

ところで、これはPythonの3で、これだけはあなたを助けた場合にも、取得するために素晴らしいことだprint文からブラケットを取り外して、それがコピー＆ペーストやPython 2

import re 

def clean_input(text): 
    #non-alphanumeric character should be ignored 
    text = re.sub('[^a-zA-Z\s]', '', text) 
    #Any other block of contiguous whitespace should be treated as a single space 
    #white space should be retained 
    text = re.sub(' +',' ',text) 
    #Leading and trailing whitespace should be ignored 
    text = text.strip(' \t\n\r') 
    # You probably want this too 
    text = text.lower() 
    return text 

def process(text): 
    #If they are also the same length, the earlier one in the input sequence should be kept. 
    # Using arrays (can use OrderedDict too, probably easier and nice, although below is clearer for you. 
    original_parts = text.split('|') 
    clean_parts = [clean_input(x) for x in original_parts] 
    original_parts_to_check = [] 
    ignore_idx = [] 
    for idx, ele in enumerate(original_parts): 
     if idx in ignore_idx: 
      continue 
     #The case of alphabetic characters should be ignored 
     if len(ele) < 2: 
      continue 
     #Duplicates must also be filtered -if two passages are considered equal with respect to the comparison rules listed above, only the shortest should be retained. 
     if clean_parts[idx] in clean_parts[:idx]+clean_parts[idx+1:]: 
      indices = [i for i, x in enumerate(clean_parts) if x == clean_parts[idx]] 
      use = indices[0] 
      for i in indices[1:]: 
       if len(original_parts[i]) < len(original_parts[use]): 
        use = i 
      if idx == use: 
       ignore_idx += indices 
      else: 
       ignore_idx += [x for x in indices if x != use] 
       continue 
     original_parts_to_check.append(idx) 
    # Doing the text in text matching here. Depending on size and type of dataset, 
    # Which you should test as it would affect this, you may want this as part 
    # of the function above, or before, etc. If you're only doing 100 bits of 
    # data, then it doesn't matter. Optimize accordingly. 
    text_to_return = [] 
    clean_to_check = [clean_parts[x] for x in original_parts_to_check] 
    for idx in original_parts_to_check: 
     # This bit can be done better, but I have no more time to work on this. 
     if any([(clean_parts[idx] in clean_text) for clean_text in [x for x in clean_to_check if x != clean_parts[idx]]]): 
      continue 
     text_to_return.append(original_parts[idx]) 
    #The retained passages should be output in their original form (identical to the input passage), and in the same order. 
    return '|'.join(text_to_return) 

assert(process('IBM cognitive computing|IBM "cognitive" computing is a revolution| ibm cognitive computing|\'IBM Cognitive Computing\' is a revolution?') == 
     'IBM "cognitive" computing is a revolution') 
print(process('IBM cognitive computing|IBM "cognitive" computing is a revolution| ibm cognitive computing|\'IBM Cognitive Computing\' is a revolution?')) 
assert(process('IBM cognitive computing|IBM "cognitive" computing is a revolution|the cognitive computing is a revolution') == 
     'IBM "cognitive" computing is a revolution|the cognitive computing is a revolution') 
print(process('IBM cognitive computing|IBM "cognitive" computing is a revolution|the cognitive computing is a revolution')) 

のために実行されますいくつかの点は、受け入れがいい:)（私はあなたがここに新しい参照してください）。