0

Estoy tratando de reemplazar palabras de una columna en otra columna en un texto:

Texto:

Mientras se constataban estos retrasos, las centrales nucleares en activo han ido construyendo almacenes individuales dentro de sus instalaciones para guardar el peligroso combustible gastado de sus reactores.

Texto columnas:

constatar,constataban

este,estos

retraso,retrasos

la,las

central,centrales

nuclear,nucleares

haber,han

ir,ido

construir,construyendo

almacén,almacenes

individual,individuales

su,sus

instalación,instalaciones

gastar,gastado

reactor,reactores

metro,m

segundo,s

página,p

actor,actores

Script:

import csv

with open('teste_es.csv', 'r') as f, open('lemas-lexemas.csv', 'r') as c:
    csv_texto = csv.reader(f)
    csv_lemas = csv.reader(c, delimiter = ',')

    for p in csv_texto:
        texto = ''.join(p)
        texto = texto.lower()

        for tokens in csv_lemas:
            lemas = tokens[0]
            lexemes = tokens[1]

            nuevo_texto = texto.replace(lexemes, lemas) 

            texto = nuevo_texto

        print(nuevo_texto)

Resultado:

metroientrasegundo segundoe consegundotatar esegundote retrasegundoo la central nuclear en activo haber ir consegundotruir almetroacén individual dentro de segundou insegundotalación páginaara guardar el páginaeligrosegundoo cometrobusegundotible gasegundotar de segundou reactor.

El problema es que mi programa sustituye letras dentro de palabras:

mientras se convirtió en metroientrasegundo porque la primera letra "m" se sustituye por "metro". Yo no sé cómo hacer que cada palabra sea reemplazada. Si que puedo usar split (), pero tengo muchas líneas en mi texto y no puedo perderlas (si hago un split () y luego un join (), yo pierdo mis líneas divididas)

3
  • Conoces las expresiones regulares? Te pueden ayudar en esta tarea. Quizás podrías hacer un intento con ellas y ponerlo por aquí. Aquí tienes un tutorial que explica expresiones regulares con python: platzi.com/blog/expresiones-regulares-python
    – Julio
    Commented el 18 jul. 2018 a las 16:31
  • Hola marin, bienvenid@ a Stack Overflow en español. No me queda clara la estructura de 'teste_es.csv'. ¿Si es un csv que separan las comas? ¿Palabras?¿Párrafos?... Ten en cuenta que str.replace no tiene concepto alguno de "palabra", reemplaza subcadenas, es decir "Ho... Hola".replace("Ho", "Co") retorna "Co... Cola"
    – FJSevilla
    Commented el 18 jul. 2018 a las 17:33
  • Sí, es un csv con dos columnas separadas por comas y el objetivo es sustituir las palabras de la segunda columna que aparecen en un texto por las palabras de la primera columna. No soy muy fuerte con expresiones regulares, pero voy a intentar. gracias
    – marin
    Commented el 18 jul. 2018 a las 20:45

1 respuesta 1

1

Prueba con lo siguiente:

import csv
import re

f = open("teste_es.csv", "r")
texto = f.read()
nuevo_texto = texto

with open('lemas-lexemas.csv', 'r') as c:
    csv_lemas = csv.reader(c, delimiter = ',')

    for tokens in csv_lemas:
        print(tokens)
        lema = tokens[0]
        lexema = tokens[1]
        regex = r"\b" + re.escape(lexema) + r"\b"
        nuevo_texto = re.sub(regex, lema, nuevo_texto, 0, re.IGNORECASE)

    print("Antes: " + texto + "\n")
    print("Ahora: " + nuevo_texto)

No necesitas leer el fichero de texto con el módulo csv. Puedes usar directamente open y read. Esto facilita la operativa más adelante.

La idea es, en el texto original, ir remplazando las palabras del csv. La clave aquí es usar el limite de palabra (\b) en el remplazo por expresión regular.

De esta manera evitarás los problemas al sustituir texto en palabras que lo engloban parcialmente (como la s en Mientras que da metroientrasegundo)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.