从句子列表中删除单词列表的简单方法是什么？

Question

我有一个停用词列表，我想从包含句子的列表中的每个字符串中删除。我写了一段简短的代码，用空字符串替换任何出现的停用词，但显然，这会删除字符串它出现的，即使它位于单词的中间。

# Remove stop words from sentenceList
for i in sentenceList:
    for word in stopWords:
        i = i.replace(word.rstrip("\n"), "")

我已经搜索了一段时间，找不到明显的解决方案。

当它们被空格包围或者之后有句号或其他标点符号时，删除字符串 的最简单方法是什么？

Answer 1

您可以使用re.sub和字边界。字边界将确保仅在单词字符（大致从z到0，从0到9和下划线）和非单词字符（之前未提及的所有内容）之间发生匹配。

i = re.sub(r"\b" + re.escape(word.rstrip("\n")) + r"\b", "", i)

如果你的单词中有正则表达式元字符，我正在使用re.escape，但如果你的单词只有字母，那就不太可能了，但最好是安全而不是抱歉。