连接文本中的单个字符

Question

我有一份公司名称的清单，有些有缩写。例如：

compNames = ['Costa Limited', 'D B M LTD']

我需要使用以下方法将文本的compNames转换为令牌计数矩阵。但这不会为D B M LTD中的B D M输出列

count_vect = CountVectorizer(analyzer='word')
count_vect.fit_transform(compNames).toarray()

连接文本中单个字符的最佳方法是什么？你知道吗

ex: 'D B M LTD' to 'DBM LTD'

Answer 1

下面是一个简短的函数，它将空格字符上的字符串分解为一个列表，迭代该列表，如果元素的长度为1，则生成一个临时字符串，当遇到长度大于1的元素时，将临时字符串追加到一个新列表。你知道吗

import re

a = 'D B M LTD'

def single_concat(s):
    out = []
    tmp = ''
    for x in re.split(r'\s+', s):
        if len(x) == 1:
            tmp += x
        else:
            if tmp:
                out.append(tmp)
            out.append(x)
            tmp = ''
    return ' '.join(out)

single_concat(a)
# returns:
'DBM LTD'

Answer 2

import re

s = "D B M LTD"

first_part = ''
for chunk in re.compile("([A-Z]{1})\s").split(s):
    if len(chunk) == 1:
        first_part += chunk
    elif len(chunk) > 1:
        last_part = chunk

print(first_part + " " + last_part)

打印DBM LTD。你知道吗

Answer 3

import re
string = 'D B M LTD'
print re.sub("([^ ]) ", r"\1", re.sub(" ([^ ]{2,})", r"  \1", string))

很尴尬，但应该有用。它在LTD前面增加了一个空间，然后用“D”替换“D”，用“B”替换“B”，依此类推。你知道吗