Pythonの段落

Question

私はいくつかの助けを使用することができます&をPYTHONに新しいです

から抽出文：私は、リスト内で繰り返し同じキー値を持つ（辞書を持って

：

これは単なるサンプルです

list_dummy = [{'a': 1, 'b':"The house is great. I loved it.",'e':"loved,the"}, {'a': 3, 'b': "Building is white in colour. I liked it.",'e':"colour"}, {'a': 5, 'b': "She is looking pretty. She is in my college",'e':"pretty"}] 

'b' が - 本文 'E' で構成されています - ワードで構成することができます（複数の）私はSEを抽出したい

それらの中に「e」からの1つまたは複数の単語のいずれかを含む「b」の中にあるネトセンス。

まず、テキストをsent_tokenize &より抽出する必要がある文章に分割する必要があります。 Sent_tokenizeは文字列のみを入力として受け取ります。どうやって進める？

Answer 1

まあ、私はNLTKモジュールをテストするために働いて得るように見えることはできませんが、限りsent_tokenize()が文の文字列のリストを返すように私は（私が正しく理解されている場合）あなたが望んでいるものをやるべきだと思う。このような何か：

ans = [] 
for d in list_dummy: 
    tmp = sent_tokenize(d['b']) 
    s = [x for x in tmp if any(w.upper() in x.upper() for w in d['e'].split(","))] 
    ans += s 

これは、常にeがカンマで区切られたリストであり、大文字と小文字を区別しない検索に関心があることを前提としています。 ans変数は、辞書の 'e'値からの単語を含む文のフラットリストになります。

EDIT

あなたは正規表現を使って好みの場合は、reモジュールを使用することができます。

import re 
ans = [] 
for d in list_dummy: 
    b = sent_tokenize(d['b']) 
    e = d['e'].split(",") 
    rstring = ".*" + "|".join(e) + ".*" 
    r = re.compile(rstring) 
    ans.append([x for x in b if r.match(x)])