Python在找到关键字后提取句子

Question

我有一个基于我提取的一些文本的字符串和一个关键字列表。我想遍历字符串，只提取找到关键字的句子后面的句子，并删除句号。

字符串

'Test string. removing data. keyword extraction. data number. 11123. final answer.'

这是我的关键短语列表：

lst= ['Test string', 'data number']

期望的输出：

['removing data', '11123']

请有人帮我/指出正确的方向吗？谢谢

Answer 1

这是我的建议：

s='Test string. removing data. keyword extraction. data number. 11123. final answer.'

temp = [i.strip() for i in s.split('.')]

res = [temp[temp.index(i)+1] for i in lst]

print(res)

输出：

['removing data', '11123']

它的作用：

temp = [i.strip() for i in s.split('.')]

s.split('.') 将您的字符串转换为字符串列表，按点分隔。因此，您将每个句子分开：

['Test string', ' removing data', ' keyword extraction', ' data number', ' 11123', ' final answer', '']

这被放在list comprehension 中，它从上面的列表中创建一个带有剥离值的新列表（i.strip() 删除了前导和尾随空格）。所以你最终得到：

['Test string', 'removing data', 'keyword extraction', 'data number', '11123', 'final answer', '']

在最后一步有两个有趣的事情：

1. 我们使用list.index() 方法，它为我们提供了搜索项目的索引。比获得下一个元素更容易。
2. 当您有一个大字符串和几个搜索项目时，这会很快，但您应该小心，因为如果您正在搜索不存在的项目，它会失败。

直截了当更安全：

res = [temp[idx+1] for idx, val in enumerate(temp) if val in lst]

有关枚举的更多信息，请查看documentation。

Answer 2

这是一种解决方案。本质上，您根据点和空格拆分输入以制作列表。然后你迭代并查看它是否存在。如果是，则将下一个元素添加到输出列表中。

代码：

input = 'Test string. removing data. keyword extraction. data number. 11123. final answer.'
input_as_list = input.split('. ')
lst = ['Test string', 'data number']
result = []
for i in range(0, len(input_as_list)):
    for item in lst:
        if input_as_list [i] == item :
            result.append(input_as_list [i+1])
print(result)

结果：

['removing data', '11123']

Answer 3

使用list comprehension、re.split 和enumerate：

import re
my_str = 'Test string. removing data. keyword extraction. data number. 11123. final answer.'
key_phrases = ['Test string', 'data number']
my_str_phrases = re.split(r'[.]\s*', my_str)
print([my_str_phrases[idx + 1] for idx, item in enumerate(my_str_phrases) if item in key_phrases])
# ['removing data', '11123']

注意：
[.]\s*：文字点（需要是字符类 [] 的一部分或像这样转义：.），后跟 0 次或多次出现的空格。