Necesitaria que solamente en los casos en donde la ultima oracion NO empiece con "you:" tomando todo lo que sigue al nombre del otro usuario seguido de los 2 puntos y lo almacene en la variable text. El problema que tiene mi regex es que solo funciona para el caso hipotetico de que la persona se llame stranger pero tendria que funcionar para todas las personas sin importar su nombre, excepto si antes de los 2 puntos la persona se llama you: porque ahi no tendria que validar la regex
import re
#No responder
input_text = """Stranger: Hola
you: Hola!
stranger:¿que comiste ayer por la mañana?
you:He ido a un restaurante de comida rapida cerca del trabajo
"""
#Si responder porque el ultimo que escribio fue la otra persona
input_text = """Stranger: Hola
you: Hola!
stranger:¿que comiste ayer por la mañana?
you:He ido a un restaurante de comida rapida cerca del trabajo
stranger:Ohh vaya eso suena genial
"""
regex = re.compile(r'Stranger:\s{,}')
if regex.match(input_text):
separacion = regex.split(input_text)
texto = " ".join(separacion[1:])
print(text)
else:
pass
Por ejemplo, en el primer input_text donde "you:" envio el ultimo mensaje, entonces no deberia hacer nada(osea no deberia validar la regex).
Pero en el segundo input_text donde fue alguien diferente de "you:", la variable text
valdria "Ohh vaya eso suena genial"
Aqui hago una pequeña update de la pregunta y muestro el code del OCR junto a su output utilizando print(repr(text))
En este caso esta haciendo scraping de su propio codigo, pero sirve para probar que estan los caracteres de escape de salto de linea \n
' \n\n \n\na ern\n\n/tesseract..tesseract_cnd\n\n \n\npanta:\n\n \n \n\nHidth\n| 168, ‘top’: 168, ‘width\': 720,\n\n \n\nsct:\n\n \n\nShot - sct.grab(mon)\n\nImage. frombytes("RGB", (screenShot.width, screenShot.height), screenShot.rgb, )\n\n \n\np.array (img)\ncv2.cvtColor(frame, cv2.COLOR_RGB2BGR)\n\n \n\n \n\n-("Te ;\n(repr(text))\n\nashow("window_name’, frame)\n\n2 -waitKey(33) & @xFF in (ord("q"), 27, ):\nveak\n\n \n\x0c'
\n
para separar en líneas, ir a la última y si no empieza por you (.startswith()
) entonces hacer split por los dos puntos?\n
, por eso no los habia puesto\n
, si tu escribes eso en un txt lo guardara sin ningun simbolo, en consola tampoco aparece nada, tan solo copie y pegue un pequeño output de ejemplo, y le puse la tripe comilla para simular como son las entradas reales del OCR Tesseractprint(repr(ocr_output))
? Es importante tener perfectamente claro cómo es el texto de entrada para poder dar cualquier solución.