如何合并列表中连续非'O'同标签元组的首个元素？

我来帮你搞定这个连续实体合并的需求！你的目标很明确：把列表里**连续且标签不为'O'**的元组合并，将它们的文本部分用空格拼接，标签保留原类别。先看看你现有代码里的几个小问题：

• 首次遇到非'O'标签时，错误地重复拼接了同一个文本（tup[0] + ' ' + tup[0]），会导致内容重复
• 没有正确跟踪连续实体的状态，遇到多个连续相同标签的元组时，会不断添加重复的拼接项，而非更新临时合并结果
• last_joined和last_seen的逻辑配合不够顺畅，容易出现遗漏或错误添加的情况

正确的实现思路 #

我们可以用一个临时变量来跟踪当前正在合并的实体，逻辑会更清晰：

1. 初始化结果列表和一个临时容器，用来存储当前待合并的文本和标签
2. 遍历每个元组：
   • 如果当前标签是'O'：
     • 若临时容器里有未完成的合并内容，先把它加入结果列表，再清空容器
     • 直接将当前'O'标签的元组加入结果
   • 如果当前标签不是'O'：
     • 若临时容器为空，就把当前文本和标签存入容器，开启新的合并
     • 若临时容器的标签和当前标签一致，就把当前文本拼接到容器的文本后（加空格）
     • 若标签不一致（比如从PERSON变成ORG），先把之前的容器内容加入结果，再更新容器为当前元组的内容
3. 遍历结束后，别忘了检查临时容器里是否还有剩余内容，把它加入结果

修正后的代码 #

def join_tags(list_tags):
    res = []
    current_entity = None  # 存储当前待合并的实体：(拼接后的文本, 标签)
    
    for text, tag in list_tags:
        if tag == 'O':
            # 如果有正在合并的实体，先加入结果列表
            if current_entity:
                res.append(current_entity)
                current_entity = None
            # 添加当前O标签的元组
            res.append((text, tag))
        else:
            if current_entity is None:
                # 开始新的实体合并
                current_entity = (text, tag)
            else:
                # 标签一致则拼接文本
                if current_entity[1] == tag:
                    merged_text = f"{current_entity[0]} {text}"
                    current_entity = (merged_text, tag)
                else:
                    # 标签不一致，先存入之前的实体，再开启新合并
                    res.append(current_entity)
                    current_entity = (text, tag)
    # 处理最后一个未加入结果的实体
    if current_entity:
        res.append(current_entity)
    
    return res

测试你的示例输入 #

输入：

test_input = [('fruit', 'O'), ('is', 'O'), ('the', 'O'), ('subject', 'O'), ('of', 'O'), ('a', 'O'), ('Roald', 'PERSON'), ('Dahl', 'PERSON'), ('children', 'O'), ("'s", 'O'), ('book', 'O'), ('?', 'O')]
print(join_tags(test_input))

输出：

[('fruit', 'O'), ('is', 'O'), ('the', 'O'), ('subject', 'O'), ('of', 'O'), ('a', 'O'), ('Roald Dahl', 'PERSON'), ('children', 'O'), ("'s", 'O'), ('book', 'O'), ('?', 'O')]

完全符合你的需求！而且这个代码能适配任意长度的列表，不管是连续2个、3个甚至更多相同标签的元组，都能正确合并。

内容的提问来源于stack exchange，提问作者Colin Burke