Python：在关键字之后找到两个单词

Question

我确定我在这里遗漏了一些明显的东西，但是我盯着这段代码已经有一段时间了，却找不到问题的根源。

我想搜索许多字符串，查找所有出现的某些关键字，并针对每个匹配，以检索（并保存）关键字前后的两个单词。 到目前为止，我在代码中找到了这些单词，但是当一个字符串中出现多个关键字时，该代码将返回两个不同的列表。 如何在观察/字符串级别汇总这些列表（以便我可以将其匹配回字符串i）？

这是一个示例和所需结果的模拟示例。 关键字是“ not”：

review_list=['I like this book.', 'I do not like this novel, no, I do not.']
results= [[], ['I do not like this I do not']] 

当前结果（使用下面的代码）将是：results = [[]，['我不喜欢这个']，['我不喜欢]]]

这是代码（简化版）：

for i in review_list:
    if (" not " or " neither ") in i:
      z = i.split(' ')
      for x in [x for (x, y) in enumerate(z) if find_not in y]:
        neg_1=[(' '.join(z[max(x-numwords,0):x+numwords+1]))]
        neg1.append(neg_1)

    elif (" not " or " neither ") not in i:
      neg_1=[]
      neg1.append(neg_1)

同样，我确定这是基本的，但是作为Python新用户，我们将不胜感激。 谢谢！

Answer 1

从例如字符串中仅提取单词（删除标点符号）

'I do not like this novel, no, I do not.'

我建议使用正则表达式：

import re
words = re.findall(r'\w+', somestring)

查找一个词not等于的所有索引：

indices = [i for i, w in enumerate(words) if w=='not']

为了同时获得前两个词和以下两个词，我建议使用set删除重复项：

allindx = set()
for i in indices:
    for j in range(max(0, i-2), min(i+3, len(words))):
        allindx.add(j)

最后将所有疑问词放入一个空格连接的字符串中：

result = ' '.join(words[i] for i in sorted(allindx))

现在，我们当然可以将所有这些花絮放到一个函数中了……：

import re
def twoeachside(somestring, keyword):
    words = re.findall(r'\w+', somestring)
    indices = [i for i, w in enumerate(words) if w=='not']
    allindx = set()
    for i in indices:
        for j in range(max(0, i-2), min(i+3, len(words)):
            allindx.add(j)
    result = ' '.join(words(i) for i in sorted(allindx))
    return result

当然，此功能仅适用于单个句子。 从句子列表中列出结果：

review_list = ['I like this book.', 'I do not like this novel, no, I do not.']
results = [twoeachside(s, 'not') for s in review_list]
assert results == [[], ['I do not like this I do not']]

最后一个assert当然只是检查代码是否按您期望的方式工作：-)

编辑：实际上，从示例来看，您有点荒谬地要求结果的项目为带有单个字符串项的列表 （如果非空，则为空），但如果它们中的字符串为空，则为空列表。 当然也可以满足这个绝对怪异的规范...：

results = [twoeachside(s, 'not') for s in review_list]
results = [[s] if s else [] for s in results]

这根本没有任何意义，但是，嘿，这是您的规范！-）