如何從字符串列表中刪除單詞列表

Question

對不起，如果問題有點混亂。這與this question

我認爲這個問題與我想要的接近，但在Clojure中。

有another問題

我需要這樣的事，但不是「[BR]」在這個問題，有需要進行搜索和刪除字符串列表。

希望我說清楚了。

我認爲這是由於Python中的字符串是不可變的。

我有一個需要從字符串列表中刪除的噪音詞彙列表。

如果我使用列表理解，我最終一次又一次地搜索相同的字符串。所以，只有「的」被刪除，而不是「該」。所以我的修改列表看起來像這樣

places = ['New York', 'the New York City', 'at Moscow' and many more] 

noise_words_list = ['of', 'the', 'in', 'for', 'at'] 

for place in places: 
    stuff = [place.replace(w, "").strip() for w in noise_words_list if place.startswith(w)] 

我想知道我在做什麼錯誤。

Answer 1

這是我的刺傷。這使用正則表達式。

import re 
pattern = re.compile("(of|the|in|for|at)\W", re.I) 
phrases = ['of New York', 'of the New York'] 
map(lambda phrase: pattern.sub("", phrase), phrases) # ['New York', 'New York'] 

三世lambda：

[pattern.sub("", phrase) for phrase in phrases] 

更新

修復了該bug所指出的gnibbler（謝謝！）：

pattern = re.compile("\\b(of|the|in|for|at)\\W", re.I) 
phrases = ['of New York', 'of the New York', 'Spain has rain'] 
[pattern.sub("", phrase) for phrase in phrases] # ['New York', 'New York', 'Spain has rain'] 

@prabhu：上述變化避免刪除尾隨的「in「from」Spain「。要驗證兩個版本的正則表達式是否符合「西班牙有雨」這個短語。

Answer 2

>>> import re 
>>> noise_words_list = ['of', 'the', 'in', 'for', 'at'] 
>>> phrases = ['of New York', 'of the New York'] 
>>> noise_re = re.compile('\\b(%s)\\W'%('|'.join(map(re.escape,noise_words_list))),re.I) 
>>> [noise_re.sub('',p) for p in phrases] 
['New York', 'New York'] 

Answer 3

既然你想知道你在做什麼錯，這條線：

stuff = [place.replace(w, "").strip() for w in noise_words_list if place.startswith(w)] 

發生，然後開始遍歷的話。首先它檢查「的」。你的位置（例如「紐約的」）被檢查以查看它是否以「of」開頭。它被轉換（調用替換和剝離）並添加到結果列表中。這裏至關重要的是結果不再被檢查。對於在理解中迭代的每個單詞，都會將新結果添加到結果列表中。所以下一個單詞是「the」，你的位置（「紐約」）不是以「the」開始，所以不會添加新的結果。

我假設你最終得到的結果是你的地點變量的連接。一個簡單的閱讀和理解程序的版本將是（未經測試）：

results = [] 
for place in places: 
    for word in words: 
     if place.startswith(word): 
      place = place.replace(word, "").strip() 
    results.append(place) 

記住replace()將隨時隨地刪除字符串中的單詞，即使它發生是由於一個簡單的字符串。你可以通過使用類似於^the\b這樣的模式的正則表達式來避免這種情況。

Answer 4

沒有正則表達式，你可以這樣做：

places = ['of New York', 'of the New York'] 

noise_words_set = {'of', 'the', 'at', 'for', 'in'} 
stuff = [' '.join(w for w in place.split() if w.lower() not in noise_words_set) 
     for place in places 
     ] 
print stuff