Skip to main content
Agrega salida
Origen Enlace
Candid Moe
  • 26.6k
  • 10
  • 23
  • 47

El paso final, en el return, es eliminar los whitespaces al principio y al final de cada oración usando compresión de listas.

def procesar_parrafo(parrafo):

    completo = ' '.join(parrafo)
    completo = completo.replace(",", ".")
    completo = completo.replace(";", ".")
    lista_punto = completo.split(".")

    return lista_punto[x.strip() for x in lista_punto]

produce:

El ingenioso hidalgo don Quijote de la Mancha
TASA
Yo
Juan Gallo de Andrada
escribano de Cámara del Rey nuestro señor
de los que residen en su Consejo
certifico y doy fe que
habiendo visto por los señores dél un libro intitulado El ingenioso hidalgo de la Mancha
compuesto por Miguel de Cervantes Saavedra
tasaron cada pliego del dicho libro a tres maravedís y medio
el cual tiene ochenta y tres pliegos
que al dicho precio monta el dicho libro docientos y noventa maravedís y medio
en que se ha de vender en papel
y dieron licencia para que a este precio se pueda vender
y mandaron que esta tasa se ponga al principio del dicho libro
y no se pueda vender sin ella
def procesar_parrafo(parrafo):

    completo = ' '.join(parrafo)
    completo = completo.replace(",", ".")
    completo = completo.replace(";", ".")
    lista_punto = completo.split(".")

    return lista_punto

El paso final, en el return, es eliminar los whitespaces al principio y al final de cada oración usando compresión de listas.

def procesar_parrafo(parrafo):

    completo = ' '.join(parrafo)
    completo = completo.replace(",", ".")
    completo = completo.replace(";", ".")
    lista_punto = completo.split(".")

    return [x.strip() for x in lista_punto]

produce:

El ingenioso hidalgo don Quijote de la Mancha
TASA
Yo
Juan Gallo de Andrada
escribano de Cámara del Rey nuestro señor
de los que residen en su Consejo
certifico y doy fe que
habiendo visto por los señores dél un libro intitulado El ingenioso hidalgo de la Mancha
compuesto por Miguel de Cervantes Saavedra
tasaron cada pliego del dicho libro a tres maravedís y medio
el cual tiene ochenta y tres pliegos
que al dicho precio monta el dicho libro docientos y noventa maravedís y medio
en que se ha de vender en papel
y dieron licencia para que a este precio se pueda vender
y mandaron que esta tasa se ponga al principio del dicho libro
y no se pueda vender sin ella
Origen Enlace
Candid Moe
  • 26.6k
  • 10
  • 23
  • 47

Dado que el texto es largo, es conveniente procesarlo por partes. En este caso, elegimos procesar en párrafos, a fin de no cortar las oraciones que abarcan más de una línea.

El fin del párrafo se reconoce al encontrar una línea vacía. Cuando es fin de párrafo, pasamos la lista de líneas acumuladas a un función que la procesara. Si no es fin de párrafo, la línea se acumula en la lista parrafo.

with open("quijote.txt", "r", encoding="utf-8") as libro:
    parrafo = []
    for line in libro:
        line = line.strip()   # Botar los whitespaces al final.
        if line == '':
            for oracion in procesar_parrafo(parrafo):
                print(oracion)
            parrafo = []
        else:
            parrafo.append(line)

El proceso de dividir el párrafo por separados se haría apropiadamente usando expresiones regulares. No las usare para hacer más simple el código.

La función recibe una lista de lineas. Lo primero es armar una sola línea usando join.

No tenemos una función split que divida por varios separadores a la vez. Lo que hare será reemplazar los ";" y "," con "." (usando replace), para luego hacer split(".") y devolver la lista de oraciones.

def procesar_parrafo(parrafo):

    completo = ' '.join(parrafo)
    completo = completo.replace(",", ".")
    completo = completo.replace(";", ".")
    lista_punto = completo.split(".")

    return lista_punto