搜索從列表在Python

Question

我的工作，搜索特定用戶的Twitter項目完全匹配的字符串從我的追隨者名單和銳推他們流。下面的代碼工作正常，但是如果字符串出現在單詞的旁邊（例如，如果期望的字符串只是「man」，但他們寫了「manager」，它會被轉推）。我對python仍然很陌生，但是我的預感是正確的，但我的嘗試迄今已證明沒有用處。

if tweet["user"]["screen_name"] in friends: 
     for phrase in list: 
       if phrase in tweet["text"].lower(): 
        print tweet 
        api.retweet(tweet["id"]) 
        return True 

Answer 1

如果你想使用正則表達式來做到這一點，尋找的形式\b<string>\b的模式。在你的情況，這將是：

pattern = re.compile(r"\bman\b") 
if re.search(pattern, tweet["text"].lower()): 
    #do your thing 

\b會在正則表達式的一個單詞邊界。所以前綴和後綴與您的模式將只匹配模式。希望能幫助到你。

Answer 2

由於您只想匹配整個單詞，因此讓Python執行此操作的最簡單方法是將推文文本分成單詞列表，然後使用in測試每個單詞的存在。

有一個優化可以使用，因爲位置並不重要：通過從單詞列表構建一個集合，您可以更快地搜索（技術上，O（1）而不是O（n）），因爲快速哈希訪問通過集和類型的字典使用（謝謝你，蒂姆·彼得斯，也作者的Python的禪）。

完整的解決方案是：

if tweet["user"]["screen_name"] in friends: 
    tweet_words = set(tweet["text"].lower().split()) 
    for phrase in list: 
     if phrase in tweet_words: 
      print tweet 
      api.retweet(tweet["id"]) 
      return True 

這不是一個完整的解決方案。真的，你應該照顧一些事情，比如清除主要和尾隨標點符號。你可以編寫一個函數來做到這一點，並用tweet文本作爲參數來調用它，而不是使用.split()方法調用。

由於它發生，我在Python迭代設計可以完全避免，如果短語是一組也（迭代仍將發生，但位於C的速度，而不是Python的速度）最優化。因此，在下面讓我們假設你有初始化期間執行的代碼

tweet_words = set(l.lower() for l in list) 

順便說一句代碼，list是一個可怕的名字的變量，因爲通過它，你做下其一貫的Python列表類型不可用名稱（雖然你仍然可以通過type([])等技巧獲得）。也許更好的稱之爲word_list或其他更有意義的東西，而不是現有的名稱。您將不得不根據您的需求調整此代碼，只是爲了給您提供這個想法。請注意，tweet_words只需設置一次。

list = ['Python', 'Perl', 'COBOL'] 
tweets = [ 
    "This vacation just isn't worth the bother", 
    "Goodness me she's a great Perl programmer", 
    "This one slides by under the radar", 
    "I used to program COBOL but I'm all right now", 
    "A visit to the doctor is not reported" 
] 
tweet_words = set(w.lower() for w in list) 
for tweet in tweets: 
    if set(tweet.lower().split()) & tweet_words: 
     print(tweet)