Python：列表/集合的交集

Question

def boolean_search_and(self, text):

  results = [] and_tokens = self.tokenize(text) tokencount = len(and_tokens) term1 = and_tokens[0] print ' term 1:', term1 term2 = and_tokens[1] print ' term 2:', term2 #for term in and_tokens: if term1 in self._inverted_index.keys(): resultlist1 = self._inverted_index[term1] print resultlist1 if term2 in self._inverted_index.keys(): resultlist2 = self._inverted_index[term2] print resultlist2 #intersection of two sets casted into a list results = list(set(resultlist1) & set(resultlist2)) print 'results:', results return str(results) 

此代碼非常適合兩個令牌，例如：text =“ Hello World”，因此，令牌= ['hello'，'world']。 我想將其概括為多個標記，因此文本可以是句子，也可以是整個文本文件。
self._inverted_index是一個字典，將令牌另存為密鑰，而值是其中出現密鑰/令牌的DocID。

你好-> [1,2,5,6]
世界-> [1,3,5,7,8]
結果：
你好，世界-> [1,5]

我想取得以下結果：（（（（hello AND computer）AND science）AND world）

我正在努力使此詞適用於多個單詞，而不僅僅是兩個單詞。 我從今早開始使用python工作，所以我不知道它必須提供的許多功能。

有任何想法嗎？

Answer 1

我想將其概括為多個令牌

def boolean_search_and_multi(self, text):
    and_tokens = self.tokenize(text)
    results = set(self._inverted_index[and_tokens[0]])
    for tok in and_tokens[1:]:
        results.intersection_update(self._inverted_index[tok])
    return list(results)

Answer 2

內置set類型適合您嗎？

$ python
Python 2.6.5 (r265:79063, Jun 12 2010, 17:07:01)
[GCC 4.3.4 20090804 (release) 1] on cygwin
Type "help", "copyright", "credits" or "license" for more information.
>>> hello = set([1,2,5,6])
>>> world = set([1,3,5,7,8])
>>> hello & world
set([1, 5])