4

Existe alguma maneira de ter uma lista de palavras não ordenada e procurar se existe uma sequência delas em um texto?

Exemplo:

lista = ["dia", "noite", "tarde", "é", "está", "bonito", "o", "a", "muito", "feio"]

texto = "Hoje é sábado, vamos sair pois o dia está bonito. Até mais tarde."

Match -> "o dia está bonito"

Eu consigo encontrar todas as palavras da lista, mas não estão ordenadas

lista = ["dia", "noite", "tarde", "é", "está", "bonito", "o", "a", "muito", "feio"]
texto = "Hoje é sábado, vamos sair pois o dia está bonito. Até mais tarde."

frase = []
for palavras in lista:
    if palavras in texto:
        frase.append(palavras)

print (' '.join(frase))

Output:

dia tarde é está bonito o a

Inclusive o "a" está aparecendo não sei porque!

5
  • 2
    É necessário retirar a pontuação do teu input, neste caso "bonito", não estará incluído: repl.it/Mp7s . Certo? É isso que queres?
    – Miguel
    18/10/2017 às 13:27
  • 1
    @Miguel Obrigada, pensei que haveria um jeito de extrair "o dia está bonito" que é uma sequência com palavras da lista.
    – ladybug
    18/10/2017 às 13:34
  • 2
    Pitanga... Bom exercício (; : repl.it/Mp7s/4 . Assim encontramos todas as sequências (mais do que uma palavra) num texto
    – Miguel
    18/10/2017 às 14:29
  • 2
    Uau!!! Estou sem palavras @Miguel Vou comentar todo este código que você fez. E depois vou tentar refazer sozinha. Que maravilha, obrigada!
    – ladybug
    18/10/2017 às 15:06
  • 2
    De nada ... Boa sorte
    – Miguel
    18/10/2017 às 15:26

1 Resposta 1

4

Inclusive o "a" está aparecendo não sei porque!

O código como está passa em cada palavra da lista e vê se ela existe no texto. E não tem que existir como palavra solta, basta existir no meio e isso é o motivo pelo qual o a aparece:

texto = "Hoje é sábado, vamos sair pois o dia está bonito. Até mais tarde."
#o 'a' está aqui---^---

O operador in do Python neste caso verifica se o texto contem em questão.

Para o seu objetivo basta inverter a logica do for percorrendo o texto palavra a palavra e verificando se ela existe na lista. Isto não só resolve o problema do a assim como lhe garante a ordem:

lista = ["dia", "noite", "tarde", "é", "está", "bonito", "o", "a", "muito", "feio"]
texto = "Hoje é sábado, vamos sair pois o dia está bonito. Até mais tarde."

frase = []
for palavras in texto.split(' '): #agora texto e com split(' ') para ser palavras
    if palavras in lista: #para cada palavra agora verifica se existe na lista
        frase.append(palavras)

print (' '.join(frase))

Veja o exemplo no Ideone

Note que a divisão das palavras com espaços irá apanhar as palavras com os carateres como . e ,, obtendo palavras como bonito. ou tarde., fazendo com que o código não as encontre

Pode contornar este problema de muitas formas. Uma das mais simples passa por retirar estes careteres antes de analisar:

texto2 = texto.replace('.','').replace(',','');

Veja no Ideone como fica com está pre analise

Pode até fazer algo mais genérico e criar uma lista de careteres de pontuação a remover e fazer a remoção através de uma função personalizada:

def retirar(texto, careteres):
    for c in careteres:
        texto = texto.replace(c, '')

    return texto

E agora utilizar essa função sobre o texto original:

texto2 = retirar(texto, ".,");

Veja também este exemplo no Ideone

2
  • Entendi a explicaçao sobre o "a"! Obrigada! Mas no caso a saída do programa é: "é o dia está" e o "é" nao está seguido de nenhuma palavra da lista e além disso o "bonito" nao foi reconhecido. Pensei que haveria um jeito de extrair "o dia está bonito" que é uma sequência com palavras da lista. Obrigada!
    – ladybug
    18/10/2017 às 13:10
  • 1
    @pitanga O problema tem a ver com o , e o . que ficam nas palavras quando o texto é partido em palavras. Pode resolver este problema de inúmeras maneiras, em que o mais simples seria retirar estes separadores antes de interpretar as palavras.
    – Isac
    18/10/2017 às 13:16

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 .