6. 문자열 관리(re 모듈을 통한 전처리)

https://leetcode.com/problems/most-common-word/

Most Common Word - LeetCode

 금지된 단어를 제외한 가장 흔하게 등장하는 단어를 출력하라. 대소문자 구분을 하지 않으며, 구두점(마침표, 쉼표 등) 또한 무시한다.

 

 이 문제는 re 모듈을 통한 전처리를 공부하기 딱 좋은 문제인것 같아서 포스팅 한다. 먼저 다음 코드를 보자.

print(re.sub(r'[^\w]',' ',paragraph))

 정규식에서 \w는 단어 문자를 뜻하며, ^는 not을 의미한다. 따라서 위 정규식은 단어 문자가 아닌 모든 문자를 공백으로 치환하는 역할을 한다. 이 출력값은 다음과 같다.

 이를 이용하고 리스트 컴프리헨션을 이용해 다음처럼 코드를 짤 수 있다.

words=[word for word in re.sub(r'[^\w]',' ',paragraph).lower().split() if word not in banned]

 문자열에 split() 함수를 적용하면 다음과 같이 띄어쓰기를 기준으로 한 단어씩 구분하여 리스트에 추가해준다.

print(re.sub(r'[^\w]',' ',paragraph).split())

 

위의 방법들과 리스트 컴프리헨션을 사용해 다음과 같이 코딩할 수 있다.

def mostCommonWord(paragraph,banned):
    words=[word for word in re.sub(r'[^\w]',' ',paragraph).lower().split() if word not in banned]

    counts=collections.Counter(words)

    return counts.most_common(1)[0][0]

참고로 Counter 객체의 most_common 함수 설명은 다음과 같다.