Python提取大写单词代码移除逗号后内容丢失问题求助

原代码核心问题 #

1. 无效的标点处理：text.replace(',','')不会修改原字符串（Python字符串不可变），且目标错误地指向整个文本而非单个单词，导致打印的单词仍带标点。
2. 句子拆分逻辑缺陷：用split('.')拆分句子会生成空字符串（如输入末尾的句号会产生空元素），引发无效循环。
3. 非句首判断不严谨：直接对比word != words[0]，若句首单词带标点（如"Hello,"），后续相同单词不带标点会被误判，反之亦然。
4. 未提前清理单词标点：判断首字母大写前未处理单词首尾标点，导致带标点的单词（如"Cambridge,"）虽符合条件，但后续标点处理混乱。

修正后的代码 #

import re

text = input().strip()
# 用正则拆分有效句子，避免空字符串
sentences = re.split(r'(?<=[.!?])\s+', text)
result = []
word_count = 1

for sentence in sentences:
    # 提取句子中所有纯单词（去除标点）
    clean_words = re.findall(r'\b\w+\b', sentence)
    if not clean_words:
        continue
    first_clean_word = clean_words[0]
    # 遍历原带格式的单词以维持计数准确性
    for raw_word in sentence.split():
        # 提取单词的核心内容（去掉首尾标点）
        core_word = re.search(r'\w+', raw_word).group()
        # 首字母大写且非句首单词
        if core_word[0].isupper() and core_word != first_clean_word:
            result.append((core_word, word_count))
        word_count += 1

if result:
    for word, index in result:
        print(f"{index}:{word}")
else:
    print('None')

print(result)

修正说明 #

• 精准标点清理：通过正则re.search(r'\w+', raw_word)提取单词的字母数字核心部分，彻底去除首尾标点。
• 可靠句子拆分：用正则(?<=[.!?])\s+匹配句子结尾的标点后空格，拆分出的每个元素都是有效句子，无空字符串干扰。
• 严谨条件判断：对比清理后的单词与句首单词，避免标点导致的误判。
• 有效计数维护：遍历原始拆分的单词保证索引计数准确，同时用清理后的单词做判断逻辑。

测试验证 #

输入：

The Massachusetts Institute of Technology is a private research university located in Cambridge, Massachusetts, United States.

输出：

2:Massachusetts
3:Institute
5:Technology
13:Cambridge
14:Massachusetts
15:United
16:States
[('Massachusetts', 2), ('Institute', 3), ('Technology', 5), ('Cambridge', 13), ('Massachusetts', 14), ('United', 15), ('States', 16)]

内容的提问来源于stack exchange，提问作者lordorun