字符串python中的多单词令牌的精确且不区分大小写的匹配

Question

我有一个包含一个单词和一个多单词令牌的列表。

brand_list = ['ibm','microsoft','abby softwate', 'tata computer services']

我需要搜索标题字符串中存在的所有这些单词。 我能够找到一个单词。 但是对于多单词令牌，我的代码失败。 这是我的代码。 请帮帮我。 这是我的解决方案。

import string
def check_firm(test_title):
    translator = str.maketrans('', '', string.punctuation)
    title = test_title.translate(translator)
    if any(one_word.lower() in title.lower().split(' ') for one_word in brand_list):

        status_code_value = 0
        print("OEM word found")
    else:
        status_code_value = 1
        print("OEM word not found")

    print("current value of status code ------------>", status_code_value)

Answer 1

改变这个 ：

if any(one_word.lower() in title.lower().split(' ') for one_word in brand_list):

对此 ：

if title.lower() in brand_list:

因此 ：

import string
brand_list = ['ibm','Microsoft','abby softwate', 'TATA computer services']
brand_list = [x.lower() for x in brand_list] # ['ibm', 'microsoft', 'abby softwate', 
                                             #  'tata computer services']

def check_firm(test_title):
    translator = str.maketrans('', '', string.punctuation)
    title = test_title.translate(translator)

    if title.lower() in brand_list:
        status_code_value = 0
        print("OEM word found")
    else:
        status_code_value = 1
        print("OEM word not found")

    print("current value of status code ------------>", status_code_value)

check_firm('iBM')
check_firm('Tata Computer SERVICES')
check_firm('Khan trading Co.')

输出 ：

OEM word found
current value of status code ------------> 0
OEM word found
current value of status code ------------> 0
OEM word not found
current value of status code ------------> 1

注意：我使用以下命令将列表中的所有元素转换为lower() ：

 brand_list = [x.lower() for x in brand_list]

这样可以确保正确进行比较。

编辑 ：

OP ： 但是我的输入图块是标题字符串。 例如“塔塔计算机服务获利x美元”。 在这种情况下，我们如何找到字符串？

在这种情况下，我会选择在传递给函数之前先分割字符串：

inp_st1 = 'iBM'
inp_st2 = 'Tata Computer SERVICES made a profit of x dollars'
inp_st3 = 'Khan trading Co.'

check_firm(inp_st1)
check_firm(" ".join(inp_st2.split()[:3])) # Tata Computer SERVICES
check_firm(inp_st3)

Answer 2

由于此代码，您将永远找不到两个单词：

title.lower().split(' ')

假设您的标题是tata计算机服务 ，那么执行该代码时，您将得到：

["tata", "computer", "services"]

然后在for循环中，您将仅搜索每个单数词，从本质上讲，您已经将标题分解为一些您无法匹配的东西。

用人类语言编写for循环 ：

any(one_word.lower() in title.lower().split(' ') for one_word in brand_list)

如果在数组[“ tata”，“ computer”，“ services”]中可以找到brand_list中的任何单词，则为真。

如您所见， brand_list中的任何单词都无法匹配，因为该单词实际上由三个单词和空格“ tata计算机服务”组成。

要执行您想要的：

更改此：

if any(one_word.lower() in title.lower().split(' ') for one_word in brand_list):

至：

if any(one_word.lower() in title.lower() for one_word in brand_list):

这样，您就可以在标题中的brand_list中查找每个单词。 您的代码如下所示：

brand_list = ['ibm','microsoft','abby softwate', 'tata computer services']

 import string
def check_firm(test_title):
    translator = str.maketrans('', '', string.punctuation)
    title = test_title.translate(translator)
    if any(one_word.lower() in title.lower() for one_word in brand_list):
        status_code_value = 0
        print("OEM word found")
    else:
        status_code_value = 1
        print("OEM word not found")

    print("current value of status code ------------>", status_code_value)

check_firm("ibm")
check_firm("abby software")
check_firm("abby softwate apple")  

具有以下输出：

OEM word found
current value of status code ------------> 0
OEM word not found
current value of status code ------------> 1
OEM word found
current value of status code ------------> 0

编辑

OP ： 我尝试过您的解决方案。 问题是它对于“ tata computer servicessssssssss”之类的输入也同样适用。 解决这个问题的任何想法。 谢谢

在注释中强调指出，此代码将允许传递诸如tat computer servicesss之类的标题。 为了避免这种情况，我建议使用正则表达式，例如：

brand_list = ['ibm','microsoft','abby softwate', 'tata computer services']

import string
import re
def check_firm(test_title):
    translator = str.maketrans('', '', string.punctuation)
    title = test_title.translate(translator)
    if any(re.search(r'\b' + one_word.lower() + r'\b', title) for one_word in brand_list):
        status_code_value = 0
        print("OEM word found")
    else:
        status_code_value = 1
        print("OEM word not found")

    print("current value of status code ------------>", status_code_value)

check_firm("tata computer services")  
check_firm("tata computer servicessssss")  
check_firm("tata computer services something else") 

产量

OEM word found
current value of status code ------------> 0
OEM word not found
current value of status code ------------> 1
OEM word found
current value of status code ------------> 0

感兴趣的部分是：

any(re.search(r'\b' + one_word.lower() + r'\b', title) for one_word in brand_list):