从Python中的列表中搜索字符串以获得完全匹配

Question

我正在开发一个项目，从我的关注者列表中搜索特定用户的Twitter流并转发它们。 下面的代码工作正常，但如果字符串出现在单词的一侧（例如，如果所需的字符串只是“man”但是他们写了“manager”，它会被转发）。 我仍然对python很新，但我的预感是RegEx将是要走的路，但到目前为止，我的尝试已证明是无用的。

    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

由于您只想匹配整个单词，因此让Python执行此操作的最简单方法是将推文文本拆分为单词列表，然后使用in测试每个单词是否存在。

您可以使用优化，因为位置并不重要：通过从单词列表构建一个集合，您可以更快地进行搜索（技术上，O（1）而不是O（n）），因为集合使用了快速散列访问dicts（谢谢Tim Peters，也是The Zen of Python的作者 ）。

完整的解决方案是：

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

这不是一个完整的解决方案。 真的，你应该照顾清除前导和尾随标点符号等事情。 您可以编写一个函数来执行此操作，并使用tweet文本作为参数调用它，而不是使用.split()方法调用。

鉴于优化，我发现Python中的迭代可以完全避免，如果短语也是一个集合（迭代仍然会发生，但是以C速度而不是Python速度）。 因此，在下面的代码中，假设您在初始化期间执行了代码

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

顺便说一句， list是一个变量的可怕名称，因为通过使用它你可以使Python列表类型在其通常的名称下不可用（尽管你仍然可以使用type([])等技巧获得它。 也许最好把它word_list或其他更有意义的东西，而不是现有的名字。 您必须根据自己的需要调整此代码，这只是为了给您提供想法。 请注意， tweet_words只需设置一次。

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)

Answer 2

如果要使用正则表达式执行此操作，请查找格式为\\b<string>\\b 。 在你的情况下，这将是：

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

\\b在正则表达式中查找单词边界。 因此，使用它为模板添加前缀和后缀将仅匹配模式。 希望能帮助到你。