把单词取出来而不是子字

Question

我想搜索一个带有句子的文件，然后把带有特定单词的句子拿出来。我写了这段代码就是为了做到这一点。

def finding(q):
    for item in sentences:
        if item.lower().find(q.lower()) != -1:
            list.append(item)

        for sentence in list:
            outfile.write(sentence+'\r\n')

finding('apple')
finding('banana')

问题是这样可以找到子字符串而不是单词。例如，“苹果树是大的”这句话。也会被提取。

Answer 1

将行拆分成单词；最简单的方法是使用str.split()

for line in sentences:
    if any(q.lower() == word.lower() for word in line.split()):
        outfile.write(line + '\n')

您也可以添加一个.strip('?!."()')来删除最常见的标点符号。

请注意，在文本模式下打开的Python，如果您写出一个\r\n，就已经在\n上使用了。上面的代码还直接将匹配的行写入输出文件。

或者，使用正则表达式查找匹配：

import re

def finding(q, sentences, outfile):
    pattern = re.compile(r'\b{}\b'.format(re.escape(q), flags=re.IGNORE)
    for line in sentences:
        if pattern.match(line)
            outfile.write(line + '\n')

re.IGNORE使匹配忽略大小写，\b添加单词边界，re.escape()从输入查询中删除任何表达式元字符。

Answer 2

另一种选择：

sentences = [
    'this has a banana',
    'this one does not',
    'bananatree should not be here',
    'go go banana go'
]

import re
found = filter(re.compile(r'\bbanana\b', flags=re.I).search, sentences)
# ['this has a banana', 'go go banana go']