從列表中刪除項目，如果它包含來自「黑名單」的子字符串

Question

在python中，我想從列表中刪除任何包含在所謂的「黑名單」中找到的子字符串的字符串。

例如，假設名單A如下：

A = [ 'cat', 'doXXXg', 'monkey', 'hoBBBrse', 'fish', 'snake'] 

和B名單是：

B = ['XXX', 'BBB'] 

我怎麼能拿列表C：

C = [ 'cat', 'monkey', 'fish', 'snake'] 

我已經玩正則表達式和列表解析的各種組合，但我似乎無法得到它的工作。

Answer 1

您可以加入黑名單到一個表達：

import re 

blacklist = re.compile('|'.join([re.escape(word) for word in B])) 

然後過濾的話，如果他們匹配：

C = [word for word in A if not blacklist.search(word)] 

模式中的單詞a再次逃脫（這樣.和其他元字符不作爲，而不是這樣的，而是作爲文字字符處理），並加入到一系列|選擇：

>>> '|'.join([re.escape(word) for word in B]) 
'XXX|BBB' 

演示：

>>> import re 
>>> A = [ 'cat', 'doXXXg', 'monkey', 'hoBBBrse', 'fish', 'snake'] 
>>> B = ['XXX', 'BBB'] 
>>> blacklist = re.compile('|'.join([re.escape(word) for word in B])) 
>>> [word for word in A if not blacklist.search(word)] 
['cat', 'monkey', 'fish', 'snake'] 

這應該勝過任何明確的會員測試，尤其是詞在你的黑名單數量的增長：

>>> import string, random, timeit 
>>> def regex_filter(words, blacklist): 
...  [word for word in A if not blacklist.search(word)] 
... 
>>> def any_filter(words, blacklist): 
...  [word for word in A if not any(bad in word for bad in B)] 
... 
>>> words = [''.join([random.choice(string.letters) for _ in range(random.randint(3, 20))]) 
...   for _ in range(1000)] 
>>> blacklist = [''.join([random.choice(string.letters) for _ in range(random.randint(2, 5))]) 
...    for _ in range(10)] 
>>> timeit.timeit('any_filter(words, blacklist)', 'from __main__ import any_filter, words, blacklist', number=100000) 
0.36232495307922363 
>>> timeit.timeit('regex_filter(words, blacklist)', "from __main__ import re, regex_filter, words, blacklist; blacklist = re.compile('|'.join([re.escape(word) for word in blacklist]))", number=100000) 
0.2499098777770996 

上述測試10個隨機黑色列出短的單詞（2-5個字符）和1000個隨機單詞列表（長度爲3 - 20個字符），正則表達式快了大約50％。

Answer 2

>>> A = [ 'cat', 'doXXXg', 'monkey', 'hoBBBrse', 'fish', 'snake'] 
>>> B = ['XXX', 'BBB'] 

下面的列表理解將工作

>>> [word for word in A if not any(bad in word for bad in B)] 
['cat', 'monkey', 'fish', 'snake']