python - 在 Python 中的句子中查找(可能是多个单词的)短语

Question

我正在尝试在句子中查找关键字，其中关键字通常是单个词，但也可以是多词组合(例如“cost in euros”)。因此，如果我有一个像 cost in euros of bacon 这样的句子，它会在该句子中找到 cost in euros 并返回 true。

为此，我使用了这段代码:

if any(phrase in line for phrase in keyword['aliases']:

其中 line 是输入，aliases 是一组与关键字匹配的短语(例如，对于 cost in euros，它是 ['cost in euros' , '欧元', '欧元成本']).

但是，我注意到它也在单词部分触发。例如，我有一个匹配短语 y 和一个句子 trippy cake。我不希望它返回 true，但它返回 true，因为它显然在 trippy 中找到了 y。我如何才能让它只检查整个单词？最初我是用一个单词列表做这个关键词搜索(本质上是做 line.split() 并检查那些)，但这对多词关键词别名不起作用。

Answer 1

这应该可以满足您的需求:

import re

aliases = [
    'cost.',
    '.cost',
    '.cost.',
    'cost in euros of bacon',
    'rocking euros today',
    'there is a cost inherent to bacon',
    'europe has cost in place',
    'there is a cost.',
    'I was accosted.',
    'dealing with euro costing is painful']
phrases = ['cost in euros', 'euros', 'euro cost', 'cost']

matched = list(set([
    alias
    for alias in aliases
    for phrase in phrases
    if re.search(r'\b{}\b'.format(phrase), alias)
    ]))

print(matched)

输出:

['there is a cost inherent to bacon', '.cost.', 'rocking euros today', 'there is a cost.', 'cost in euros of bacon', 'europe has cost in place', 'cost.', '.cost']

基本上，我们使用 python 获取所有匹配项 re模块作为我们的测试，包括多个 phrase 的情况s 出现在给定的 alias 中, 使用化合物 list comprehension , 然后使用 set()从 list 中删除重复项, 然后使用 list()强制set回到list .

引用:

列表: https://docs.python.org/3/tutorial/datastructures.html#more-on-lists

列表理解: https://docs.python.org/3/tutorial/datastructures.html#list-comprehensions

集: https://docs.python.org/3/tutorial/datastructures.html#sets

re(或正则表达式): https://docs.python.org/3/library/re.html#module-re