在非英语字符串中查找子字符串 [乌尔都语字符串]

Question

我希望在乌尔都语的字符串中找到子字符串。例如，假设我有以下乌尔都语的字符串和子字符串：

fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"

substring1 = "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ..."
substring2 = "Urdu English Translator حاصل کریں - Microsoft Store ur-PK"
substring3 = "ببر شیر - آزاد دائرۃ المعارف، ویکیپیڈیا"
substring4 = "اقوام متحدہ - ویکیپیڈیا"
substring5 = "واقعہ کربلا - آزاد دائرۃ المعارف"
substring6 = "Inaugural Address - Urdu | JFK Library"
substring7 = "دنیا میں امریکہ کے مقام کے بارے میں صدر بائیڈن کا خطاب - United ..."
substring8 = "ایران امریکہ کشیدگی: امریکی صدور اور جنگوں کی مبہم قانونی ..."

目标是搜索/找到每个子字符串中完整字符串中出现的单词，然后选择相应的子字符串进行进一步处理。特别是，任何子字符串中出现的最少单词应该是 "آزاد دائرۃ"。

在上面给出的示例中，应该选择并返回 substring1、substring3、substring4 和 substring5 (True)，而其余子串不应该被选中(False)。

我编写了以下代码来完成上述任务：

fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"
substring = "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ..."

# extract the part after the "-" part
s = substring.split("-")[1]
# remove any spaces if they are present
s = s.strip()

if s in fullstring:
   print("Found!")
else:
   print("Not found!")

代码给了我所有子字符串的 Not found! 响应。而对于 substring1、substring3、substring4 和 substring5，它应该返回 Found!，和 Not found! 对于上面给出的所有其他子字符串。

请帮助我完成上述子字符串搜索任务。

Answer 1

你应该试试这个：

fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"
substring = "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ..."

# extract the part after the "-" part
s = substring.split("-")[1]
# remove any spaces if they are present
s = s.strip().replace(".","")

if s in fullstring:
   print("Found!")
else:
   print("Not found!")

执行striped s 就像آزاد دائرۃ ... 但你在fullstring 中没有... 所以你得到Not found。

您也可以像这样使用.find() 函数：

fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"
substring = "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ..."

# extract the part after the "-" part
s = substring.split("-")[1]
# remove any spaces if they are present
s = s.strip()

if fullstring.find(s)!=-1:
   print("Found!")
else:
   print("Not found!")

对于所有子字符串，你可以试试这个：

fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"

substring1 = "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ..."
substring2 = "Urdu English Translator حاصل کریں - Microsoft Store ur-PK"
substring3 = "ببر شیر - آزاد دائرۃ المعارف، ویکیپیڈیا"
substring4 = "اقوام متحدہ - ویکیپیڈیا"
substring5 = "واقعہ کربلا - آزاد دائرۃ المعارف"
substring6 = "Inaugural Address - Urdu | JFK Library"
substring7 = "دنیا میں امریکہ کے مقام کے بارے میں صدر بائیڈن کا خطاب - United ..."
substring8 = "ایران امریکہ کشیدگی: امریکی صدور اور جنگوں کی مبہم قانونی ..."
allsub=[substring1,substring2,substring3,substring4,substring5,substring6,substring7,substring8]

for a in allsub:
    try:
        s=a.split("-")[1].strip(". ").strip()
    except IndexError:
        s=a.split("-")[0].strip(". ").strip()
    if fullstring.find(s)!=-1:
        print("Found!")
    else:
        print("Not found!")

输出：

Found!
Not found!
Found!
Found!
Found!
Not found!
Not found!
Not found!

我已将所有子字符串的列表创建为 allsub 并检查您在做什么。此外，我已经完成了try-except，因为在某些子字符串中没有-，我们选择了列表的第二个元素。所以，有时它会通过错误。但是如果我们使用try-expect，那么它将执行except部分而不是抛出错误。

Answer 2

试试看：

fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"

substring1 = "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ..."
substring2 = "Urdu English Translator حاصل کریں - Microsoft Store ur-PK"
substring3 = "ببر شیر - آزاد دائرۃ المعارف، ویکیپیڈیا"
substring4 = "اقوام متحدہ - ویکیپیڈیا"
substring5 = "واقعہ کربلا - آزاد دائرۃ المعارف"
substring6 = "Inaugural Address - Urdu | JFK Library"
substring7 = "دنیا میں امریکہ کے مقام کے بارے میں صدر بائیڈن کا خطاب - United ..."
substring8 = "ایران امریکہ کشیدگی: امریکی صدور اور جنگوں کی مبہم قانونی ..."
allstrings = (substring1, substring2, substring3, substring4, substring5, substring6, substring7, substring8)
for a in allstrings:
    try:
        s = a.split("-")[1]
    except:
        s = a
    s = s.strip().replace(".", "")
    if s in fullstring:
       print("Found!")
    else:
       print("Not found!")

输出：

Found!
Not found!
Found!
Found!
Found!
Not found!
Not found!
Not found!