python - 拆分时无法识别连字符

Question

我正在处理大约 24k 的文本文件，并在“-”上分割了一些行。它适用于某些文件，但无法拆分某些其他文件。

company_participants是一个包含N >= 1元素的列表，每个元素由一个名称和一个连字符（“-”）组成，然后是职位。要获取名称，我使用：

names_participants = [name.split('-')[0].strip() for name in company_participants]

经过仔细检查，我发现它由于某种原因无法将“-”识别为“-”。

例如，第一个元素company_participants是“robert isom - 总统”

调用company_participants[0].split()[2]返回“-”，因为我在空格上进行了拆分，连字符是第三个元素（索引 2）。

然后当我运行一个布尔值是否等于“-”时，我得到 False。

company_participants[0].split()[2] == "-"  # Item at index 2 is the hyphen
# Output = False

知道这里发生了什么吗？还有其他看起来像连字符但不是连字符的东西吗？

非常感谢！

标签： pythontextsplitnlp

Answer 1

所以我发现这实际上已经在 StackOverflow 的其他地方得到了回答。

显然我正在处理“破折号”而不是“连字符”；肉眼看不出有什么区别，但是当我从这里复制符号时，它会识别它，从而company_participants[0].split()[2] == "–"返回 True。

#textDataProblems
#didNotSeeThatComing

谢谢 StackOverflow！