Как проверить, есть ли совпадение между списком ссылочной строки и целевой строкой?

Question

У меня есть список строк ссылок, преобразованный из фрейма данных.

Список строк ссылок

brand_list = ['scurfa', 'seagull', 'seagull', 'seiko']

Пример ввода 1 для description_list

VINTAGE KING SEIKO 44-9990 Gold Medallion,Manual Winding with mod caseback.Serviced 2019.

Пример ввода 2 для description_list

Power reserve function at 12; push-pull crown at 4
Seiko NE57 auto movement with power reserve
Multilayered dial with SuperLuminova BG-W9

Желаемый вывод

SEIKO 44-9990 #extract together with model name
Seiko NE57 #extract together with model name

Это мой пример кода, но вывод не тот, который я хочу

import nltk
from nltk.corpus import stopwords 
from nltk.tokenize import word_tokenize 
import numpy as np

stop_words = set(stopwords.words('english'))

def clean(doc):
    no_punct = ""
    word_tokens = word_tokenize(doc.lower()) 
    filtered_sentence = [w for w in word_tokens if not w in stop_words] 

    for w in word_tokens: 
        if w not in stop_words: 
            filtered_sentence.append(w) 

    return filtered_sentence

description_list = clean(soup_content.find('blockquote', { "class": "postcontent restore" }).text)

if pandas.Series(np.array(description_list)).isin(np.array(brand_list)).any() == True:
    brand_result = [i for i in description_list if i in brand_list] 
    print(brand_result[0])

    if pandas.Series(np.array(description_list)).isin(np.array(model_list)).any() == True:
        model_result = [i for i in description_list if i in model_list] 
        print(model_result[0])
    else:
        print('Unknown')
else:
    print('Unknown')
    print('Unknown')

Answer 1

Я бы go для регулярного выражения.

brand_list = ['scurfa', 'seagull', 'seagull', 'seiko']
regular_expression = rf"({'|'.join(brand_list)}) ([^\s]+)"

Несколько слов об этом регулярном выражении:

• мы используем строковый конструктор rf"", что означает, что вы хотите, чтобы эта строка была и raw (требуется * Модуль 1009 *) и formattable (для включения переменных с использованием скобок {})
• '|'.join(brand_list) позволяет получить что-то вроде (scurfa|seagull), соответствующее любому из требуемых брендов в brand_list
• добавление ([^\s]+) позволяет поймать слово сразу после бренда (предполагается, что это название модели)

Наконец:

import re

description = """
VINTAGE KING SEIKO 44-9990 Gold Medallion,Manual Winding with mod caseback.Serviced 2019.
Power reserve function at 12; push-pull crown at 4
Seiko NE57 auto movement with power reserve
Multilayered dial with SuperLuminova BG-W9
Testing for a ScURFA 42342
"""

print([" ".join(t) for t in re.findall(regular_expression, description, re.IGNORECASE)])

Что дает:

['SEIKO 44-9990', 'Seiko NE57', 'ScURFA 42342']