Python文本搜索库

Question

我正在寻找一个图书馆，它能让我做以下的事情：

matches(
    user_input="hello world how are you what are you doing",
    keywords='+world -tigers "how are" -"bye bye"'
)

基本上，我想要它匹配字符串的基础上存在的词，没有词和序列的词。我不需要一个搜索引擎一个la Solr，因为字符串不会事先知道，只会被搜索一次。这样的图书馆已经存在了吗?如果有的话，我会在哪里找到它呢？还是我注定要创建一个正则表达式生成器？

Answer 1

module支持命名列表：

import regex

def match_words(words, string):
    return regex.search(r"\b\L<words>\b", string, words=words)

def match(string, include_words, exclude_words):
    return (match_words(include_words, string) and
            not match_words(exclude_words, string))

示例：

if match("hello world how are you what are you doing",
         include_words=["world", "how are"],
         exclude_words=["tigers", "bye bye"]):
    print('matches')

您可以使用标准的re模块实现命名列表，例如：

import re

def match_words(words, string):
    re_words = '|'.join(map(re.escape, sorted(words, key=len, reverse=True)))
    return re.search(r"\b(?:{words})\b".format(words=re_words), string)

如何根据+、-和"“语法构建包含和排除的单词列表？

你可以用shlex.split()

import shlex

include_words, exclude_words = [], []
for word in shlex.split('+world -tigers "how are" -"bye bye"'):
    (exclude_words if word.startswith('-') else include_words).append(word.lstrip('-+'))

print(include_words, exclude_words)
# -> (['world', 'how are'], ['tigers', 'bye bye'])

Answer 2

从你给出的例子来看，你不需要Regex，除非你在寻找单词中的模式/表达式。

    d="---your string ---"
    mylist= d.split()
    M=[]
    Excl=["---excluded words---"]
    for word in mylist:
        if word not in Excl:
            M.append(word)
    print M

您可以编写一个泛型函数，它可以与任何字符串列表和排除列表一起使用。