对字符串的怀疑

Question

所以，我正在使用python做一个练习，我尝试使用终端逐步了解发生了什么，但我没有。

我主要想了解为什么条件只返回索引 0。 看'casino' in [Casinoville].lower() 不是一回事吗？

运动：

• 获取文档列表（每个文档都是一个字符串）和一个关键字。 将索引值列表返回到包含关键字的所有文档的原始列表中。

运动解决方案

def word_search(documents, keyword):
    indices = [] 
    for i, doc in enumerate(documents):

        tokens = doc.split()
        normalized = [token.rstrip('.,').lower() for token in tokens]

        if keyword.lower() in normalized:
            indices.append(i)
    return indices

我的解决方案

def word_search(documents, keyword):
    return [i for i, word in enumerate(doc_list) if keyword.lower() in word.rstrip('.,').lower()]

运行

>>> doc_list = ["The Learn Python Challenge Casino.", "They bought a car", "Casinoville"]

预期输出

>>> word_search(doc_list, 'casino')
>>> [0]

实际输出

>>> word_search(doc_list, 'casino')
>>> [0, 2]

Answer 1

让我们试着理解其中的区别。

“结果”函数可以用list-comprehension来写：

def word_search(documents, keyword):
    return [i for i, word in enumerate(documents) 
                if keyword.lower() in 
                    [token.rstrip('.,').lower() for token in word.split()]]

问题发生在字符串："Casinoville"，索引为2。

查看输出：

print([token.rstrip('.,').lower() for token in doc_list[2].split()])
# ['casinoville']

问题是这样的：你尝试检查一个单词是否在列表中。答案是True，仅当所有字符串都匹配时（这是预期的输出）。

但是，在您的解决方案中，您只检查单词是否包含子字符串。在这种情况下，条件in 是string 本身，而不是list。

看到它：

# On the list : 
print('casino' in [token.rstrip('.,').lower() for token in doc_list[2].split()])
# False

# On the string:
print('casino' in [token.rstrip('.,').lower() for token in doc_list[2].split()][0])
# True

因此，在第一种情况下，"Casinoville" 在第二种情况下不包括在内。

希望有帮助！

Answer 2

问题是“将索引值列表返回到包含关键字的所有文档的原始列表中”。

你只需要考虑单词。

在“Casinoville”案例中，没有“casino”这个词，因为这个案例只有“Casinoville”这个词。

Answer 3

当您使用in 运算符时，结果取决于右侧对象的类型。当它是一个列表（或大多数其他类型的容器）时，您会得到一个精确的成员资格测试。所以'casino' in ['casino'] 是True，但'casino' in ['casinoville'] 是False，因为字符串不相等。

当is 的右侧是一个字符串时，它会做一些不同的事情。它不是针对单个字符（如果您将它们视为序列，这就是字符串包含的内容）寻找精确匹配，而是进行子字符串匹配。所以'casino' in 'casinoville' 是True，casino in 'montecasino' 或'casino' in 'foocasinobar' 也是如此（检查的不仅仅是前缀）。

对于您的问题，您只希望与整个单词完全匹配。参考解决方案使用str.split 来分隔单词（没有参数它会在任何类型的空格上拆分）。然后它会稍微清理一下单词（去掉标点符号），然后对字符串列表进行 in 匹配。

您的代码永远不会拆分您传递的字符串。因此，当您进行in 测试时，您正在对整个文档进行子字符串匹配，当您匹配较大单词的一部分时，您会得到误报。