Python：從陣列中匹配字符串與另一個陣列中文本的子字符串

Question

目前，我正在使用Pythons BeautifulSoup Library來檢索報紙文章的網頁。這些文章存儲在對象「細節」中。

然後我有幾個存儲在對象「行」中的各種街道名稱。現在我想搜索「行」中包含的街道名稱的文章。

如果其中一個街道名稱是其中一篇文章的一部分，我想在數組中保護街道名稱。

如果沒有匹配項目（所選文章不包含任何街道名稱），那麼數組中應該有一個空元素。例如，假設對象「線」由（「Abbey Road」，「St-John's Bridge」，「West Lane」，「Sunpoint」，「East End」）組成。

對象「細節」由4篇文章組成，其中2篇包含「Abbey Road」和「West Lane」（例如「Abbey Road車禍，三人受傷」）。其他兩篇文章不包含任何來自「行」的名稱。

那麼結果匹配應該是這樣的一個陣列中後： [] [「艾比路」] [] [「西一巷」]

我也被告知要使用矢量對於這一點，因爲我原來的數據樣本相當大。不過，我對字符串操作使用矢量化並不熟悉。有沒有人與此合作？

我的代碼目前看起來是這樣的，但是這僅返回「-1」作爲我得到的數組的元素：

from bs4 import BeautifulSoup 
import requests 
import io 
import re 
import string 
import numpy as np 


my_list = [] 
for y in range (0, 2): 
    y *= 27 
    i = str(y) 
    my_list.append('http://www.presseportal.de/blaulicht/suche.htx?q=' + 'einbruch' + '&start=' + i) 



for link in my_list: 
    # print (link) 
    r = requests.get(link) 
    r.encoding = 'utf-8' 
    soup = BeautifulSoup(r.content, 'html.parser') 



with open('a4.txt', encoding='utf8') as f: 
     lines = f.readlines() 
     lines = [w.replace('\n', '') for w in lines]  


     details = soup.find_all(class_='news-bodycopy') 
     for class_element in details: 
      details = class_element.get_text() 

     sdetails = ''.join(details) 
     slines = ''.join(lines) 
     i = str.find(sdetails, slines[1 : 38506]) 
     print(i)     

如果有人想複製我的實驗，網站，鏈接在上面的代碼並且對象「細節」中的文章的抓取和存儲工作正常，因此代碼可以被複制。

中的.txt文件對我原來的數據爲對象的「線」可以在這個Dropbox的，文件夾進行訪問： https://www.dropbox.com/s/o0cjk1o2ej8nogq/a4.txt?dl=0

非常感謝任何提示我怎樣才能使這項工作，最好是通過矢量。

Answer 1

你可以嘗試這樣的事：

my_list = [] 
for y in range (0, 2): 
    i = str(y) 
    my_list.append('http://www.presseportal.de/blaulicht/suche.htx?q=einbruch&start=' + i) 

for link in my_list: 
    r = requests.get(link) 
    soup = BeautifulSoup(r.content.decode('utf-8','ignore'), 'html.parser') 

details = soup.find_all(class_='news-bodycopy') 
f = open('a4.txt') 
lines = [line.rstrip('\r\n') for line in f] 

result = [] 
for i in range(len(details)): 
    found_in_line = 0 
    for j in range(len(lines)): 
     try: 
      if details[i].get_text().index(lines[j].decode('utf-8','ignore')) is not None: 
       result.append(lines[j]) 
       found_in_line = found_in_line + 1 
     except: 
      if (j == len(lines)-1) and (found_in_line == 0): 
       result.append(" ") 
print result