如何根据 Python 中的部分匹配从文本中删除子字符串？答案

【问题标题】：How do I remove a substring from text based on a partial match in Python?如何根据 Python 中的部分匹配从文本中删除子字符串？
【发布时间】：2019-08-04 21:15:57
【问题描述】：

我有一个很长的文本块，其中包含我想要根据部分匹配 (90%) 删除的潜台词。

string = "Adam is a boy who lives in Michigan.  
        He loves to eat apples and oranges. 
        He also enjoys playing with his dog and cat. 
        Adam is a happy boy."

substring = "He loves to apple oranges"

我想回来

"Adam is a boy who lives in Michigan.  
 He also enjoys playing with his dog and cat. 
 Adam is a happy boy."

子字符串中没有出现“吃”和“和”这两个词，但我想删除整个句子“他喜欢吃苹果和橙子”。我真的不知道该怎么做。谢谢！

【问题讨论】：

标签： python text data-cleaning

【解决方案1】：

string = string.replace(substring,'')

这会将字符串中的子字符串替换为空（""）

【讨论】：

只有当子字符串与我要删除的句子完全匹配时才有效？在示例中，我想删除整个句子“他喜欢吃苹果和橙子”，但“吃”和“和”这两个词没有出现在我的子字符串中。
是的，没错。抱歉——我以为那是你的意图。这是一个更深层次的问题，那么

【解决方案2】：

你可以使用difflib.SequenceMatcher:

from difflib import SequenceMatcher
'\n'.join(s for s in string.splitlines() if SequenceMatcher(' '.__eq__, s, substring).ratio() < 0.6)

这会返回：

Adam is a boy who lives in Michigan.
He also enjoys playing with his dog and cat.
Adam is a happy boy.

演示：https://ideone.com/twDu1r

【讨论】：

不错，我刚刚试过，效果很好。我以前不知道这个库。很酷的东西。
谢谢！只是一个跟进，如果文本不在不同的行并且只是一个长字符串，你会怎么做？
@Rachel 很高兴能帮上忙。您能否提供一个示例输入和预期输出，以通过过滤掉长行中子字符串的部分匹配来阐明您的意思？
@Rachel 我明白了。我想您可以使用句点 . 作为句子结尾的标记，在这种情况下使用 re.findall(r'\S.*?\.', string) 而不是 string.splitlines()。
@blhsing 例如，如果 string = "string = "Adam 是一个住在密歇根州的男孩。他喜欢吃苹果和橘子。他还喜欢和他的狗和猫一起玩。亚当是一个快乐的男孩。”和子字符串 =“他喜欢吃苹果橘子”。我想返回“亚当是一个住在密歇根州的男孩。他还喜欢和他的狗和猫一起玩。亚当是一个快乐的男孩。”所以，基本上，不使用 string.splitlines()。