如何仅从句子列表中查找唯一句子

Question

我得到了这样的列表：

['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(相同
• 由于"莱斯利大学"已经包含"大学"，因此应跳过"大学">

因此，Id 喜欢只打印最独特的超集，因此输出看起来像：-

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

====

==================================================================

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， '莱斯利'： 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

这段代码怎么样：

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

有点难以知道这是否是您需要的，但此函数应该为您提供列表中的唯一单词

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

这就是你要找的吗？

Answer 3

您可以像这样处理数据：

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

运行此操作将生成输出：

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