今天早上我试图用康奈尔电影对话语料库数据集训练一个聊天机器人，但我遇到了清理文本数据以输入我的算法的问题。这里是文本文件中的一个片段

L1045 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ They do not!L1044 +++$+++ u2 +++$+++ m0 +++$+++ CAMERON +++$+++ They do to!L985 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ I hope so.L984 +++$+++ u2 +++$+++ m0 +++$+++ CAMERON +++$+++ She okay?L925 +++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ Let's go.

L924 +++$+++ u2 +++$+++ m0 +++$+++ CAMERON +++$+++ Wow我只对每句话最后部分的对话感兴趣。我该如何清理这个文件并将其转换为CSV文档？

数据集链接http://www.cs.cornell.edu/~cristian/Cornell_Movie-Dialogs_Corpus.html

回答：

以字符串形式遍历所有行。

假设你有：

str = “+++$+++ u0 +++$+++ m0 +++$+++ BIANCA +++$+++ They do not!”

你想要的输出是”They do not!”

可以这样做：

str.split(“+++$+++ “)[-1]

这将给你想要的输出。一旦你得到了期望的字符串输出，就可以将它们逐行写入你的CSV文件中。

希望这对你有帮助。