PTT數位生活區 / Python

[問題] 請問如何split中文?

看板Python作者 (windker)時間14年前 (2010/12/29 21:43), 編輯推噓1(1推 0噓 8→)
留言9則, 5人參與, 最新討論串1/1
想要的結果為 input="批踢踢實業坊" output=["批踢","踢踢","踢實","實業","業坊 "] (取Bigram) 如果是英文的話，因為有空格可用split()來作，但unicode變成 '\xa7\xe5\xbd\xf0\xbd\xf0\xb9\xea\xb7~\xa7{' 不知道該怎麼切。 想說如果可以切成["批","踢","踢","實","業","坊"]，應該就可以得到output 我用的是python2.6 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 220.132.67.21
→
12/29 21:52, , 1F
直接 list('批踢踢實業坊') 就行了...
12/29 21:52, 1F
→
12/29 21:53, , 2F
啊不對這樣會變成半個字, 想錯了...
12/29 21:53, 2F
→
12/29 21:55, , 3F
要用 unicode 類別才行 http://codepad.org/ocoHJiBj
12/29 21:55, 3F
→
12/29 22:11, , 4F
感謝回答
12/29 22:11, 4F
推
12/30 18:02, , 5F
切中文盡量都轉成unicode處理，用正規表示法切時要特別小心
12/30 18:02, 5F
→
12/30 22:00, , 6F
L=list(INPUT.decode('big5'))
12/30 22:00, 6F
→
12/30 22:01, , 7F
OUTPUT=[(L[i]+L[i+1]).encode('utf8') for i in xrange( \
12/30 22:01, 7F
→
12/30 22:01, , 8F
len(L)-1)]
12/30 22:01, 8F
→
01/07 13:38, , 9F
for i in list(u"批踢踢實業坊"): print i
01/07 13:38, 9F
‣ 更多 windker 的文章
文章代碼(AID): #1D6piGZa (Python)
Python 近期熱門文章
更多 近期熱門文章 >>
PTT數位生活區 即時熱門文章
更多 即時熱門文章 >>
‣ 更多 windker 的文章
文章代碼(AID): #1D6piGZa (Python)