在Python中从列表中查找字符串的精确匹配

Question

我正在做一个项目，这个项目会从我关注的人中搜索特定用户的推特动态，并转发它们。下面的代码运行得很好，但如果要找的字符串出现在单词的中间，比如我想找“man”，但有人写成“manager”，那么它也会被转发。我对Python还不太熟悉，但我觉得正则表达式可能是解决这个问题的好方法，不过到目前为止我尝试的都没有成功。

    if tweet["user"]["screen_name"] in friends: 
        for phrase in list:
                if phrase in tweet["text"].lower():
                    print tweet
                    api.retweet(tweet["id"])
                    return True

Answer 1

如果你想用正则表达式来实现这个功能，可以寻找一个这样的模式：\b<字符串>\b。在你的情况下，这个模式就是：

pattern = re.compile(r"\bman\b")
if re.search(pattern, tweet["text"].lower()):
    #do your thing 

\b 在正则表达式中表示一个单词的边界。所以在你的模式前后加上这个，就只会匹配这个特定的模式。希望这对你有帮助。

Answer 2

因为你只想匹配完整的单词，所以让Python做到这一点最简单的方法就是把推文的文本分割成一个单词列表，然后用 in 来检查每个单词是否存在。

这里有一个优化的方法，因为位置并不重要：通过从单词列表构建一个集合，你可以让搜索变得更快（技术上讲，速度从 O(n) 提升到 O(1)），这是因为集合和字典使用了快速的哈希访问（感谢 Tim Peters，他也是《Python之禅》的作者）。

完整的解决方案是：

if tweet["user"]["screen_name"] in friends:
    tweet_words = set(tweet["text"].lower().split())
    for phrase in list:
        if phrase in tweet_words:
            print tweet
            api.retweet(tweet["id"])
            return True

这并不是一个完整的解决方案。实际上，你还应该处理一下开头和结尾的标点符号。你可以写一个函数来处理这些，然后用推文文本作为参数来调用它，而不是直接使用 .split() 方法。

考虑到这个优化，我想到如果短语也是一个集合，就可以完全避免在Python中进行迭代（虽然迭代仍然会发生，但速度会比Python快得多）。所以在接下来的代码中，假设你在初始化时执行了以下代码：

tweet_words = set(l.lower() for l in list)

顺便说一下，list 这个变量名实在是太糟糕了，因为使用它会让Python的列表类型在通常的名称下不可用（不过你仍然可以用一些技巧，比如 type([]) 来访问它）。也许叫它 word_list 或者其他更有意义且不与现有名称冲突的名字会更好。你需要根据自己的需求调整这段代码，这只是给你一个思路。注意 tweet_words 只需要设置一次。

list = ['Python', 'Perl', 'COBOL']
tweets = [
    "This vacation just isn't worth the bother",
    "Goodness me she's a great Perl programmer",
    "This one slides by under the radar",
    "I used to program COBOL but I'm all right now",
    "A visit to the doctor is not reported"
]
tweet_words = set(w.lower() for w in list)
for tweet in tweets:
    if set(tweet.lower().split()) & tweet_words:
        print(tweet)