使用列表搜索字符串并返回多字变量。

Question

下面的代码。

我在做什么的解释：我有一个关键字列表。我需要确定这些关键字是否出现在任何给定的网页（我输入的网页）上。我遇到的问题是超过两个字的关键字。例如，如果您查看下面的结果，您会看到“星号”和“战争”未出现在列表中。“星球大战”是我的关键字列表中的一个短语，我需要将结果显示为“星球大战”，而不是两个单独的项目。目前，我将bs4中的文本转换为字符串，然后转换为列表，我知道这是不正确的，因为它基于“”进行分隔，默认情况下，该文本将拆分我要搜索的短语。有没有一种方法可以直接在字符串中搜索导入列表中存在的短语？

from bs4 import BeautifulSoup

from urllib.request import Request, urlopen

import re

import pandas as pd

#Wikipedia Adress here

site= "website.html"

hdr = {'User-Agent': 'Mozilla/5.0'}

req = Request(site,headers=hdr)

page = urlopen(req)

soup = BeautifulSoup(page,'lxml')

#Company Website Here

site = "website.html"

hdr = {'User-Agent': 'Mozilla/5.0'}

req = Request(site,headers=hdr)

page = urlopen(req)

soup2 = BeautifulSoup(page,'lxml')

#Extracts text from soup and saves as souptext variable

gettext = soup.get_text()

gettext2 = soup2.get_text()

#converts to string

souptext = str(gettext)

souptext2 = str(gettext2)

#converts to list

split = souptext.split(' ')

split2 = souptext2.split(' ')

#combines both splits to one single list

combined = split + split2

#combines both strings to one string

combinedstr = souptext.lower() + souptext2.lower()

#Imports Excel File containing keywords

df = pd.read_csv('Movies.csv')

#Extracts desired column variables as keywords

mylist = df['Titles'].tolist()

liststr = str(mylist)

intersection = [i for i in mylist if i in combined]

results = list()

results.append(intersection)

print(results)

[['Avatar', 'Goodfellas', 'Saw', 'Crash', 'Gladiator', 'Scarface']]

请求输入，因此这是我会看到的网页文本的示例（是一个字符串）：

电影迷们已经逐渐远离诸如《星球大战》和《星际迷航》之类的怀旧电影。新一代更喜欢具有现代特效和CGI的电影，例如Avatar。

在这种情况下，“星球大战”和“星际迷航”将成为mylist中的关键字。但是，它们不会显示在结果中，因为它们是两个单词的变量。

目前，我已将代码设置为将html文本字符串拆分为一个列表。这适用于单个标题的电影，但不适用于包含多个单词的电影。这是我要在这里解决的主要问题。我知道拆分字符串将不允许我将标题与多个单词相交。

Answer 1

有没有一种方法可以直接在字符串中搜索导入列表中存在的短语？是的，请使用in接线员。>>> ' bar ' in 'foo bar baz' True您会注意到，在这里我在搜索项周围放置了空格以防止出现此类问题：>>> 'bar' in 'the barren wasteland' True在文本的开头和结尾，您仍然会遇到单词方面的问题。您可以在文本上添加空格来解决此问题，也可以开始研究正则表达式。