本节书摘来自异步社区《Python自然语言处理》一书中的第1章，第1.4节，作者[美]Steven Bird,Ewan Klein,Edward Loper， 陈涛,张旭,崔杨,刘海平 译，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.4　回到Python:决策与控制

到目前为止，小程序有了一些有趣的特征：处理语言的能力和通过自动化节省人力的潜力。程序设计的一个关键特征是让机器能按照我们的意愿决策，在遇到特定条件时执行特定命令，或者对文本数据从头到尾不断循环直到条件满足。这一特征被称为控制，这是本节的重点。
条件

Python广泛支持多种运算符，如：<和> =，可以测试值之间的关系。全部的关系运算符见表1-3。

可以使用这些从新闻文本句子中选出不同的词。下面是一些例子——注意行与行之间只是运算符不同。它们都使用sent7，第一句话来自text7（华尔街日报）。像以前一样，如果得到错误结果，sent7没有定义，需要首先输入：from nltk.book import *。

>>> sent7
['Pierre', 'Vinken', ',', '61', 'years', 'old', ',', 'will', 'join', 'the',
'board', 'as', 'a', 'nonexecutive', 'director', 'Nov.', '29', '.']
>>> [w for w in sent7 if len(w) < 4]
[',', '61', 'old', ',', 'the', 'as', 'a', '29', '.']
>>> [w for w in sent7 if len(w) <= 4]
[',', '61', 'old', ',', 'will', 'join', 'the', 'as', 'a', 'Nov.', '29', '.']
>>> [w for w in sent7 if len(w) == 4]
['will', 'join', 'Nov.']
>>> [w for w in sent7 if len(w) != 4]
['Pierre', 'Vinken', ',', '61', 'years', 'old', ',', 'the', 'board',
'as', 'a', 'nonexecutive', 'director', '29', '.']
>>>

所有这些例子都有一个共同的模式：[w for w in text if condition]，其中condition是一个Python“测试”，得到真（true）或者假（false）。在前面的代码例子中，条件始终是数值比较。然而，也可以使用表1-4中列出的函数测试词汇的各种属性。

下面是一些从文本中选择词汇运算符的例子：以-ableness结尾的词，包含gnt的词，首字母大写的词，完全由数字组成的词。

>>> sorted([w for w in set(text1) if w.endswith('ableness')])
['comfortableness', 'honourableness', 'immutableness', 'indispensableness', ...]
>>> sorted([term for term in set(text4) if 'gnt' in term])
['Sovereignty', 'sovereignties', 'sovereignty']
>>> sorted([item for item in set(text6) if item.istitle()])
['A', 'Aaaaaaaaah', 'Aaaaaaaah', 'Aaaaaah', 'Aaaah', 'Aaaaugh', 'Aaagh', ...]
>>> sorted([item for item in set(sent7) if item.isdigit()])
['29', '61']
>>>

还可以创建更复杂的条件。如果c是一个条件，那么not c也是一个条件。如果有两个条件c1和c2，那么还可以使用合取和析取将它们合并形成一个新的条件：c1 and c2，c1 or c2。

提示　轮到你来：

运行下面的例子，尝试解释每一条指令中所发生的事情。然后，试着自己组合一些条件。

>> sorted([w for w in set(text7) if '-' in w and 'index' in w])
>> sorted([wd for wd in set(text3) if wd.istitle() and len(wd) > 10])
>> sorted([w for w in set(sent7) if not w.islower()])
>> sorted([t for t in set(text2) if 'cie' in t or 'cei' in t])

对每个元素进行操作

在1.3节中，列举了计数词汇以外的其他项目的一些例子。让我们仔细看看之前所使用的符号。

>>> [len(w) for w in text1]
[1, 4, 4, 2, 6, 8, 4, 1, 9, 1, 1, 8, 2, 1, 4, 11, 5, 2, 1, 7, 6, 1, 3, 4, 5, 2, ...]
>>> [w.upper() for w in text1]
['[', 'MOBY', 'DICK', 'BY', 'HERMAN', 'MELVILLE', '1851', ']', 'ETYMOLOGY', '.', ...]
>>>

表达式形式为[f(w) for ...]或[w.f() for ...]，其中f是一个函数，用来计算词长或将字母转换为大写。现阶段还不需要理解两种表示方法f(w)与w.f()之间的差异，而只需学习Python习惯用法（idiom），即对链表上的所有元素执行相同的操作。在前面的例子中，遍历text1中的每一个词，依次地赋值给变量w并在变量上执行指定的操作。

提示

上述的表示法被称为“链表推导”，这是第一个Python习惯用法的例子，是一种固定的表示法，我们习惯使用该方法，这样省去了每次分析的烦恼。掌握这些习惯用法是成为一流Python程序员的一个重要组成部分。

回到计数词汇的问题上，这里使用相同的习惯用法。

>>> len(text1)
260819
>>> len(set(text1))
19317
>>> len(set([word.lower() for word in text1]))
17231
>>>

由于不重复计算像This和this这样仅仅大小写不同的词，就这样从词汇表计数中抹去了2000个！更进一步，还可以通过过滤掉所有非字母元素，从词汇表中消除数字和标点符号。

>>> len(set([word.lower() for word in text1 if word.isalpha()]))
16948
>>>

这个例子稍微有些复杂：将所有纯字母组成的词小写。也许只计数小写的词会更简单一些，但这却是一个错误的答案（为什么？）。

如果你对链表推导不是很有信心，请不要担心，因为在下面的章节中你会学习到更多的例子及解释。
嵌套代码块

大多数编程语言允许我们在条件表达式或者说if语句条件满足时执行代码块。例如[w for w in sent7 if len(w) < 4]这样的条件测试的例子。在下面的程序中，我们创建了一个叫word的变量包含字符串值“cat”。在if语句中检查len(word)< 5是否为真。cat的长度确实小于5，所以if语句下的代码块被调用，print语句被执行，向用户显示一条消息。别忘了要缩进，在print语句前输入4个空格。

>>> word = 'cat'
>>> if len(word) < 5:
...　　 print 'word length is less than 5'
...　 1
word length is less than 5
>>>

使用Python解释器时，必须添加一个额外的空白行1，这样它才能检测到嵌套块结束。

如果改变测试条件为len(word) >= 5，检查词的长度是否大于或等于5，那么测试将不再为真。此时，if语句后面的代码段将不会被执行，没有消息显示给用户。

>>> if len(word) >= 5:
...　　print 'word length is greater than or equal to 5'
...
>>>

if语句被看作是控制结构，因为它控制缩进块中的代码是否运行。另一个控制结构是for循环。尝试下面的代码，请记住输入冒号和4个空格。

>>> for word in ['Call', 'me', 'Ishmael', '.']:
...　　 print word
...
Call
me
Ishmael
.
>>>

这叫做循环，因为Python以循环的方式执行里面的代码。它从word='Call'赋值开始，有效地使用变量word命名链表的第一个元素。然后，显示word的值给用户。接下来回到for语句，执行word = 'me'赋值，然后把这个新值显示给用户，以此类推。它以这种方式不断运行，直到链表中所有项都被处理完。

条件循环

现在，可以将if语句和for语句结合。循环链表中的每一项，只输出结尾字母是l的词。我们将为变量挑选另一个名字以表明Python并不在意变量名的意义。

>>> sent1 = ['Call', 'me', 'Ishmael', '.']
>>> for xyzzy in sent1:
...　　　if xyzzy.endswith('l'):
...　　　　　 print xyzzy
...
Call
Ishmael
>>>

你会发现在if和for语句所在行末尾——缩进开始之前——有一个冒号。事实上，所有的Python控制结构都以冒号结尾。冒号表示当前语句与后面的缩进块有关联。

也可以指定当if语句的条件不满足时采取的行动。在这里，我们看到elif(else if)语句和else语句。请注意，这些语句在缩进代码前也有冒号。

>>> for token in sent1:
...　　　if token.islower():
...　　　　　 print token, 'is a lowercase word'
...　　　elif token.istitle():
...　　　　　 print token, 'is a titlecase word'
...　　　else:
...　　　　　 print token, 'is punctuation'
...
Call is a titlecase word
me is a lowercase word
Ishmael is a titlecase word
. is punctuation
>>>

正如你看到的，只具备少量的Python知识，就可以构建多行的Python程序。分块开发程序，在整合之前测试每一块代码是否达到你的预期是很重要的。这也是Python交互式解释器的价值所在，也是为什么你必须适应它。

最后，让我们把一直在探索的习惯用法组合起来。首先，创建一个包含cie或者cei词汇的链表，然后循环输出其中的每一项。请注意print语句结尾处的逗号，以便使结果在同一行输出。

>>> tricky = sorted([w for w in set(text2) if 'cie' in w or 'cei' in w])
>>> for word in tricky:
...　　　print word,
ancient ceiling conceit conceited conceive conscience
conscientious conscientiously deceitful deceive ...
>>>