如何从字符串列表中删除单词列表

Question

对不起，如果问题有点混乱。这与this question

我认为这个问题与我想要的接近，但在Clojure中。

有another问题

我需要这样的事，但不是“[BR]”在这个问题，有需要进行搜索和删除字符串列表。

希望我说清楚了。

我认为这是由于Python中的字符串是不可变的。

我有一个需要从字符串列表中删除的噪音词汇列表。

如果我使用列表理解，我最终一次又一次地搜索相同的字符串。所以，只有“的”被删除，而不是“该”。所以我的修改列表看起来像这样

places = ['New York', 'the New York City', 'at Moscow' and many more] 

noise_words_list = ['of', 'the', 'in', 'for', 'at'] 

for place in places: 
    stuff = [place.replace(w, "").strip() for w in noise_words_list if place.startswith(w)] 

我想知道我在做什么错误。

Answer 1

这是我的刺伤。这使用正则表达式。

import re 
pattern = re.compile("(of|the|in|for|at)\W", re.I) 
phrases = ['of New York', 'of the New York'] 
map(lambda phrase: pattern.sub("", phrase), phrases) # ['New York', 'New York'] 

三世lambda：

[pattern.sub("", phrase) for phrase in phrases] 

更新

修复了该bug所指出的gnibbler（谢谢！）：

pattern = re.compile("\\b(of|the|in|for|at)\\W", re.I) 
phrases = ['of New York', 'of the New York', 'Spain has rain'] 
[pattern.sub("", phrase) for phrase in phrases] # ['New York', 'New York', 'Spain has rain'] 

@prabhu：上述变化避免删除尾随的“in“from”Spain“。要验证两个版本的正则表达式是否符合“西班牙有雨”这个短语。

Answer 2

>>> import re 
>>> noise_words_list = ['of', 'the', 'in', 'for', 'at'] 
>>> phrases = ['of New York', 'of the New York'] 
>>> noise_re = re.compile('\\b(%s)\\W'%('|'.join(map(re.escape,noise_words_list))),re.I) 
>>> [noise_re.sub('',p) for p in phrases] 
['New York', 'New York'] 

Answer 3

既然你想知道你在做什么错，这条线：

stuff = [place.replace(w, "").strip() for w in noise_words_list if place.startswith(w)] 

发生，然后开始遍历的话。首先它检查“的”。你的位置（例如“纽约的”）被检查以查看它是否以“of”开头。它被转换（调用替换和剥离）并添加到结果列表中。这里至关重要的是结果不再被检查。对于在理解中迭代的每个单词，都会将新结果添加到结果列表中。所以下一个单词是“the”，你的位置（“纽约”）不是以“the”开始，所以不会添加新的结果。

我假设你最终得到的结果是你的地点变量的连接。一个简单的阅读和理解程序的版本将是（未经测试）：

results = [] 
for place in places: 
    for word in words: 
     if place.startswith(word): 
      place = place.replace(word, "").strip() 
    results.append(place) 

记住replace()将随时随地删除字符串中的单词，即使它发生是由于一个简单的字符串。你可以通过使用类似于^the\b这样的模式的正则表达式来避免这种情况。

Answer 4

没有正则表达式，你可以这样做：

places = ['of New York', 'of the New York'] 

noise_words_set = {'of', 'the', 'at', 'for', 'in'} 
stuff = [' '.join(w for w in place.split() if w.lower() not in noise_words_set) 
     for place in places 
     ] 
print stuff