python - 如果 re 模块中有子字符串，如何提取所有原始化合物？

Question

string= "'Patriots', 'corona2020','COVID-19','coronavirus','2020TRUmp','Support2020Trump','whitehouse','Trump2020','QAnon','QAnon2020',TrumpQanon"

badwords = ['qanon', 'trump', 'corona', 'COVID']如果 string 中的化合物包含 badwords 的子字符串，则必须从字符串中删除该化合物。例如，我们有 COVID在 badwords ，然后 COVID-19应该在 string 中删除.
我尝试使用 re像这样的模块，但失败了:

import re

badwords = ['qanon', 'trump', 'corona', 'COVID']
string = "'Patriots', 'corona2020','COVID-19','coronavirus','2020TRUmp','Support2020Trump',Trump2020,'QAnon'"
for each in badwords:
    print(re.findall ('[0-9a-zA-Z]+'+each,string,flags=re.IGNORECASE)+\
          re.findall (each+'[0-9a-zA-Z]+',string,flags=re.IGNORECASE))

我想要的:一个新字符串 "'Patriots','whitehouse'"应该返回。

Answer 1

首先，创建一个匹配 badwords 中任何单词的正则表达式。列表:

import re
rex_string = "(" + "|".join(badwords) + ")" # (qanon|trump|corona|COVID)

rex = re.compile(rex_string, re.IGNORECASE)

然后， split()您的 string通过逗号得到每个元素包含一个复合词的列表。
接下来，遍历此列表，如果正则表达式与字符串不匹配，请将其添加到新的单词列表中。
最后，我们可以使用 str.join() 将新的单词列表连接成一个字符串。

words_list = string.split(",")
new_list = []

for word in words_list:
    if rex.search(word) is None:
        # Didn't find a match
        new_list.append(word)

new_string = ",".join(new_list)

这给了我们字符串:

"'Patriots','whitehouse'"

如果您愿意，可以将循环编写为单行:

new_list = [word for word in string.split(",") if rex.search(word) is None]

或者，

new_string = ",".join(word for word in string.split(",") if rex.search(word) is None)