0
frase = str("Eu como abacaxi").split()

Como eu faço para mostrar apenas a primeira palavra da frase ("eu" no caso)?

4
  • 3
    Não seria frase[0]?
    – anonimo
    Commented 5/05/2020 às 17:00
  • 2
    split retorna uma lista, então basta pegar o primeiro elemento dela com frase[0], como já disseram. Outro detalhe é que usar str em uma string é redudante e desnecessário, pode fazer apenas "Eu como abacaxi".split()
    – hkotsubo
    Commented 5/05/2020 às 17:12
  • 2
    Ou apenas first, rest = frase.split(maxsplit=1), mas isso não resolve o problema se houver pontuação, por exemplo, tal como em frase = 'eu, eu mesmo e irene', a primeira palavra seria 'eu,', com a vírgula
    – Woss
    Commented 5/05/2020 às 17:40
  • @Woss Ainda bem que "There should be one-- and preferably only one --obvious way to do it", né? :-)
    – hkotsubo
    Commented 6/05/2020 às 17:38

2 Respostas 2

3

A forma de fazer depende muito de como está sua string e do que você considera como "palavra".


No seu caso específico, basta pegar o primeiro elemento da lista retornada por split:

frase = "Eu como abacaxi".split()
primeira_palavra = frase[0]

# ou simplesmente
primeira_palavra = "Eu como abacaxi".split()[0]

Detalhe: quando você tem um texto entre aspas no código, ele já é uma string, então é redundante e desnecessário fazer str("texto"), pois "texto" já é uma string.


Limitações

A solução acima é bem limitada, pois como já apontaram nos comentários, se a frase tiver alguma pontuação, já não funciona mais:

primeira_palavra = "Eu, você e ele comemos abacaxi".split()[0]
print(primeira_palavra) # Eu,

Nesse caso, a primeira palavra acaba sendo Eu, - a vírgula faz parte da "palavra". E é aí que devemos definir o que exatamente é uma palavra (não pode ser "qualquer coisa que não seja espaço", pois é isso que você está considerando ao chamar split sem nenhum parâmetro).

E o primeiro elemento também pode não ser uma palavra (ex: se a string for "- lorem ipsum", a primeira "palavra" será o hífen).

Uma solução é considerar que palavras são apenas "sequências de letras consecutivas". Neste caso, bastaria usar o método isalpha para verificar os caracteres da string que são letras:

frase = " - 123... Eu, você e ele comemos abacaxi!"
inicio = fim = None
for i, c in enumerate(frase):
    letra = c.isalpha()
    if inicio is None and letra:
        inicio = i # início de palavra
    elif inicio is not None and fim is None and not letra:
        fim = i # fim de palavra
        break # sai do loop
else: # chegou ao fim da string e não encontrou um caractere que não é letra
    fim = len(frase)

if inicio is not None and fim is not None:
    primeira_palavra = frase[inicio:fim]
    print(primeira_palavra)
else:
    print('A frase não contém nenhuma palavra')

Eu uso enumerate para iterar pelos caracteres da string e pelos seus respectivos índices. A cada iteração do for, a variável c será um dos caracteres da string, e i será o seu respectivo índice.

Inicialmente eu busco pelo primeiro caractere que é uma letra para encontrar o índice inicial. A partir daí vou avançando até encontrar um caractere que não é uma letra, indicando que a palavra já terminou, e nesse caso eu guardo o índice final e encerro o loop com break.

Repare que tem um else que pertence ao for. Ele é chamado se o for não for interrompido por um break, o que nesse caso indica que cheguei ao final da string sem encontrar um caractere que não é letra (ou seja, ou não tem nenhuma palavra, ou a única palavra da string termina justamente no final da mesma). Neste caso, pegamos tudo até o fim da string.

Depois do for verificamos se a string tem ou não uma palavra, e se tiver, pegamos a primeira, usando os índices encontrados previamente (usando a sintaxe de slicing para pegar o trecho da string entre os índices inicial e final).

Esta solução trata os casos em que a string inteira é uma única palavra, além dos casos em que ela não tem nenhuma palavra (ela pode ser por exemplo "123", ou "@!#").


Palavras compostas

Só há um porém: a solução anterior não considera palavras compostas, como por exemplo "beija-flor" (já que o hífen não é uma letra e isalpha retorna False para este caractere).

Você poderia adaptar o código acima para aceitar hífen, desde que os caracteres imediatamente antes e depois sejam letras. Mas há outra alternativa, que é usar expressões regulares (regex), através do módulo re:

import re

frase = " - 123... Beija-flor, come abacaxi!"
regex = re.compile(r'\b[^\W\d_]+(-[^\W\d_]+)*\b')
match = regex.search(frase)
if match:
    primeira_palavra = match.group()
    print(primeira_palavra) # Beija-flor
else:
    print('A frase não contém nenhuma palavra')

Para a palavra, muitos provavelmente usariam o atalho \w, que realmente considera todas as letras. Só que ele também considera dígitos e o caractere _. Se você quer que não considere "123" e "abc_def" como palavras, temos que excluir os dígitos e o _ da expressão.

Para isso usamos uma classe de caracteres negados: [^\W\d_]+. No caso, é tudo que não é \W, nem \d, e nem _. O \W é o oposto de \w (ou seja, tudo que não é letra, número e nem _). Então tudo que não é \W é o mesmo que \w, só que também estou excluindo os dígitos (\d) e o próprio _. Assim, sobram só letras.

No fundo é uma forma de dizer que só quero letras - e este atalho é melhor do que [a-zA-Z] porque também considera letras acentuadas. E o quantificador + pega uma ou mais ocorrências.

Depois temos um trecho contendo hífen e uma ou mais letras, e esse trecho pode ocorrer zero ou mais vezes (indicado pelo *). Assim cobrimos os casos em que há mais de um hífen (como "pão-de-ló" - se bem que depois da reforma ortográfica acho que não tem mais hífen, mas enfim).

Tudo isso está envolto pelo atalho \b, que indica uma "fronteira entre palavras" (uma posição que possui um caractere alfanumérico antes e um não-alfanumérico depois), senão em casos como "12abc34", a regex consideraria que "abc" é uma palavra.

Assim, palavras compostas também são consideradas.


Claro que - sempre - dá para complicar mais. E palavras com apóstrofo? (como "olho-d'água"). Nesse caso temos que incluir (\'[^\W\d_]+)? na regex (um apóstrofo seguido por uma ou mais letras, e o ? indica que todo esse trecho é opcional):

regex = re.compile(r'\b[^\W\d_]+(\'[^\W\d_]+)?(-[^\W\d_]+(\'[^\W\d_]+)?)*\b')

Unicode

Sempre dá para complicar mais. Veja o exemplo abaixo:

import re

frase = "sábio da montanha"
regex = re.compile(r'\b[^\W\d_]+(\'[^\W\d_]+)?(-[^\W\d_]+(\'[^\W\d_]+)?)*\b')
match = regex.search(frase)
if match:
    primeira_palavra = match.group()
    print(primeira_palavra)
else:
    print('A frase não contém nenhuma palavra')

O resultado é:

sa

O que aconteceu é que a string "sábio da montanha" está em NFD (uma das formas de normalização definidas pelo Unicode). Basicamente, a letra á ("a" com acento agudo) é decompostas em dois caracteres: a letra "a" sem acento e o próprio acento (só que visualmente não dá para distinguir, pois sempre é mostrado como á). Como o caractere referente ao acento não é uma letra, ele não é considerado parte da palavra (tem uma explicação mais detalhada sobre a normalização aqui, aqui e aqui - apesar dos links não falarem especificamente sobre o Python, a ideia é a mesma).

Uma opção é normalizar para NFC (usando o módulo unicodedata), pois assim os caracteres "a" e o acento são condensados em um único caractere (o á), e este passa a ser considerado como uma letra pela regex:

frase = "sábio da montanha"

from unicodedata import normalize
frase = normalize('NFC', frase)
... etc (o resto é igual)

Assim, a palavra "sábio" é encontrada pela regex.


Alternativa: módulo regex

Se quiser, pode instalar o módulo regex, uma excelente extensão do módulo re. Com ele você pode usar as Unicode properties. Isso porque nem todas as strings em NFC terão o caractere do acento "aglutinado" com a letra, então a solução acima que usa normalização nem sempre funcionará.

Neste caso, usamos \p{L}\p{M}* para uma "letra" (\p{L} é qualquer caractere que o Unicode define como "letra" e \p{M} engloba os caracteres como o acento e outros que podem ser aplicados à uma letra - os chamados combining characters). Você pode consultar a lista completa nesta página (\p{L} engloba todas as categorias que começam com "L" e \p{M}, todas que começam com "M").

Sendo assim, ficaria:

import regex
r = regex.compile(r'\b(\p{L}\p{M}*)+(\'(\p{L}\p{M}*)+)?(-(\p{L}\p{M}*)+(\'(\p{L}\p{M}*)+)?)*\b')

# restante do código igual
match = r.search(frase)
etc...

Enfim, veja como a solução pode se complicar, dependendo do que você considera "palavra". E estamos nos limitando apenas à definição do português, já que há idiomas (como o japonês e chinês) em que você pode ter frases inteiras sem nenhum espaço entre as palavras (\p{L} até considera letras desses alfabetos, mas se não tiver espaços na frase, aí provavelmente você teria que usar soluções específicas para cada idioma - exemplo - e se quiser se limitar apenas ao nosso alfabeto, pode trocar \p{L} por \p{Script=Latin}).

Claro que para textos mais simples como o seu, talvez o split já resolva (desde que você também trate o caso da string ser vazia (""), pois aí split retorna uma lista vazia e dará erro ao tentar acessar o primeiro elemento - coisa que não acontece com as outras soluções, que identificam corretamente que não há nenhuma palavra). Mas achei que valia a pena expandir um pouco o problema de "encontrar a primeira palavra de um texto" para casos não tão óbvios assim.

1

Faz

primeira_palavra = str("Eu como abacaxi").split()[0]

O método split() vai quebrar a string pelo separador informado, como não informou ele vai quebrar pelo espaço.

Depois de quebrar ele retorna uma lista assim ['Eu', 'como', 'abacaxi']

Daí você pode usar o índice zero para pegar o primeiro elemento, que será então a primeira palavra.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .