如何从纯文本中捕获字典关键字？

Question

本研究课题来源于Text processing and detection from a specific dictionary in python课题。也许我误解了OP的问题，但我一直在努力改进代码。所以，也许我的问题可以有点不同。在解释我想要做的事情之前，让我先与您分享代码：

dict_1={"Liquid Biopsy":"Blood for analysis","cfDNA":"Blood for analysis"}
list_1=[u'Liquid', u'biopsy',u'based', u'on', u'circulating', u'cell-free', u'DNA', u'(cfDNA)', u'analysis', u'are', u'described', u'as', u'surrogate', u'samples', u'for', u'molecular', u'analysis.']
for i in dict_1:
    if i.lower() in " ".join(list_1).lower():
        print("Key: {}\nValue: {}\n".format(i,dict_1[i]))

这些代码可以从用list_1编写的纯文本中捕获字典关键字。然而，当我学习这些代码时，我想知道如果一些字典中的关键字在list_1中重复会怎么样。然后我在这个list_1中写了两次相同的密钥。并且上面的代码不能识别重复的代码，程序给出的结果如下所示。

Key: cfDNA
Value: Blood for analysis

Key: Liquid Biopsy
Value: Blood for analysis


Process finished with exit code 0

然后，我尝试更改我的方法，并编写了不同的代码，如下所示：

dict_1={"Liquid Biopsy":"Blood for analysis","cfDNA":"Blood for analysis"}
list_1=[u'Liquid', u'biopsy',u'based', u'on', u'circulating', u'cell-free', "cfdna",u'DNA', u'(cfDNA)', u'analysis', u'are', u'described', u'as', u'surrogate', u'samples', u'for', u'molecular', u'analysis.']
for i in list_1:
    for j in dict_1:
        for k in j.split():
            count=0
            if k.lower() in i.lower():
                count+=1
                print("Key: {}\nValue: {}\nCount: {}\nDescription: Came from '{}'\n".format(j, dict_1[j],str(count),i))

但很明显，最后的代码会给出不想要的结果。如下图所示，该程序从list_1中捕获liquid和biopsy字。cfDNA是在list_1中第二次编写的，所以程序捕获了两次。但是，有没有可能只写一次结果，然后汇总捕获时间呢？

Key: Liquid Biopsy
Value: Blood for analysis
Count: 1
Description: Came from 'Liquid'

Key: Liquid Biopsy
Value: Blood for analysis
Count: 1
Description: Came from 'biopsy'

Key: cfDNA
Value: Blood for analysis
Count: 1
Description: Came from 'cfdna'

Key: cfDNA
Value: Blood for analysis
Count: 1
Description: Came from '(cfDNA)'


Process finished with exit code 0

我希望你能理解我想做什么。我想抓住所有写在文本中的关键字。我还想计算一下，这些键在一篇文章中重复了多少次。

Answer 1

如果我没理解错的话，你想知道“关键字”在文本中出现的次数。您可以使用"re“模块来实现此目的。

import re

dict_1={"Liquid Biopsy":"Blood for analysis","cfDNA":"Blood for analysis", "asfdafaf":"dunno"}
list_1=[u'Liquid', u'biopsy',u'based', u'on', u'circulating', u'cell-free', "cfdna",u'DNA', u'(cfDNA)', u'analysis', u'are', u'described', u'as', u'surrogate', u'samples', u'for', u'molecular', u'analysis.']

text = ' '.join(list_1).lower()

for key in dict_1:
    n = len(re.findall(key.lower(), text))
    if n > 0:
        print('Key:', key)
        print('Value:', dict_1[key])
        print('n:', n)
        print()

Answer 2

最近，我学到了一种新的方法，可以在不导入"re“模块的情况下计算字典键在纯文本中重复多少次。也许在这个主题中加入另一种方法是合适的。

dict_1={"Liquid Biopsy":"Blood for analysis","cfDNA":"Blood for analysis"}
list_1=[u'Liquid', u'biopsy', u'liquid', u'biopsy',u'based',u'cfdna' ,u'on', u'circulating', u'cell-free', u'DNA', u'(cfDNA)', u'analysis', u'are', u'described', u'as', u'surrogate', u'samples', u'for', u'molecular', u'analysis.']
string_1=" ".join(list_1).lower()
for i in dict_1:
    if i.lower() in string_1:
        print("Key: {}\nValue: {}\nCount: {}\n".format(i,dict_1[i],string_1.count(i.lower())))

上面的代码与导入re模块的方法给出的结果几乎相同。不同的是，它不会写两次密钥。因此，它有点类似于第一篇文章中编写的第一个代码结构。

Key: Liquid Biopsy
Value: Blood for analysis
Count: 2

Key: cfDNA
Value: Blood for analysis
Count: 2


Process finished with exit code 0