python - 如何在 Python 中过滤集合中的文本

Question

我正在浏览文本，我想保存不包含特定文本的项目。

文本由单个单词和多个单词组成。

到目前为止我已经:

def check_data(text):
    filter_words = ['subscribe','entertaining']
    filter_bigrams = [{'free', 'ticket'}, {'current', 'price'}]


   for filter in filter_words:
       if filter in text:
           return(0)

   for filter in filter_bigrams:
       if filter in text:
           return(0)

   return(1)

mytext = 'free xubscribes tickets now'
found = check_data(mytext)
print(found)

以及我得到的错误:

TypeError: 'in <string>' requires string as left operand, not set

在上面的过滤器二元组中不起作用。请帮忙？

谢谢

Answer 1

您可以使用此解决方案。您不必迭代 filter_words 来检查 text 是否是 filter_words 的成员之一。但是，您必须迭代 filter_bigrams 因为它是集合列表。请注意，此解决方案只会导致第一个匹配。

import re

def check_data(text):
    all_words = re.findall(r'\b\w+\b', text)
    filter_words = ['subscribe','entertaining']
    filter_bigrams = [{'free', 'ticket'}, {'current', 'price'}]

   for word in all_words
       if word in filter_words:
          return(0)


       for filter in filter_bigrams:
           if word in filter:
              return(0)

   return(1)

mytext = 'free xubscribes tickets now'
found = check_data(mytext)
print(found)