Question

我有一个这样的列表：

           ['University', 'Cambridge', 'Lesley University', 'Lesley', 
'Office of Information Technology', 
    'Office', 'of', 'Information', 'Technology', 'MA', 
        'United States', 'United', 'States', 'Lesley University ', ' University', 
        'Lesley University Cambridge']

大学（大写）应与大学（小写）一样对待
由于“莱斯利大学”已包含“大学”，因此应跳过“大学”

因此，我只想打印最独特的超集，因此输出看起来像：-

['Office of Information Technology', 'MA', 
            'United States', 
            'Lesley University Cambridge']

=====================我尝试的内容======================= ============

tok= ['University', 'Cambridge', 'Lesley University', 'Lesley', 
    'Office of Information Technology', 
        'Office', 'of', 'Information', 'Technology', 'MA', 
            'United States', 'United', 'States', 'Lesley University ', ' University', 
            'Lesley University Cambridge']
dic={}
for i in [x.lower() for x in tok]:
    dic[i]=1
dic

{'大学'：1，'剑桥'：1，'莱斯利大学'：1，'办公室信息技术''：1，'ma'：1，'美国'：1，'莱斯利大学'：1，'大学'：1，'莱斯利大学剑桥'：1， 'lesley'：1}

sup_=sorted(jt.keys(), key=len)
se_={}
for i in sup_:
    ctr=0
    status=True

    for k in sup_:
        if i in k.split():
            ctr+=1
            status=status and (i in k.split())
    if status==True:
        #se[i]=1
        #print (ctr)
        if ctr==0:
            se_[i]=1
se_

{'美国'：1，'莱斯利大学'：1，'莱斯利大学剑桥”：1，“信息技术办公室”：1}

Answer 1

该代码如何：

import re
test = ['University', 'Cambridge', 'Lesley University', 'Lesley', 'Office of Information Technology', 'Office', 'of', 'Information', 'Technology', 'MA', 'United States', 'United', 'States', 'Lesley University ', ' University', 'Lesley University Cambridge']
result = []
for i in range(len(test)):
    str_init = test[i].strip()
    flag_add = True
    for j in range(len(test)):
        # exclude variable same index
        if(i!=j):
            str_include = " "+test[j]+" "
            pattern = r"\s{0}\s".format(str_init)
            if(re.search(pattern,str_include,re.IGNORECASE)):
                flag_add = False
    if(flag_add):
        result.append(str_init)
print(result)

输出：

['Office of Information Technology', 'MA', 'United States', 'Lesley University Cambridge']

Answer 2

您可以这样处理数据：

def is_substr(str,l):
  for s in l:
    if s.lower().strip() != str.lower().strip():
      if str.lower().strip() in s.lower().strip():
        return True
  return False

input = ['University', 'Cambridge', 'Lesley University', 'Lesley', 'Office of Information Technology', 'Office', 'of', 'Information', 'Technology', 'MA', 'United States', 'United', 'States', 'Lesley University', 'University', 'Lesley University Cambridge']

sentences = []
for i in input:
  if not is_substr(i,input):
    sentences.append(i)

print sentences

运行此命令将产生输出：

['Office of Information Technology', 'MA', 'United States', 'Lesley University Cambridge']

Answer 3

很难知道这是否是您所需要的，但是此功能应该为您提供列表中唯一的单词

def unique_universities(text):
    low = []
    for x in text:
        x.replace(' ', '')
        low.append(x.lower())
    return set(low)

您正在寻找什么？

如何仅从句子列表中查找唯一的句子

3 个答案: