python - 遍历 python 列表

Question

我有如下的 UTF-8 Unicode 文本文件(非英语)

所以我在python中将编码标记为UTF-8并将文件导入到python中。

# -*- coding: utf-8 -*-

我用“.”标记了句子。并获得句子列表。

现在我需要与另一个 unicode 单词列表进行比较，并找出每个句子中是否有这些单词。

这是我的代码。但它只显示识别出的第一个匹配项。

for sentence in sentences:
    for word in sentence.split(" "):
        if word in pronouns:
            print sentence

编辑:

最后我注意到源文本文件中存在无效的 unicode 字符。 此处描述 Tokenizing unicode using nltk

Answer 1

我尝试模拟您的问题，但得到了预期的结果，也许问题出在编码或代词列表中。

pronouns = ['aa','bb','cc']

sentences = ['aa dkdje asdf aesr','bb asersada','cc ase aser sa sa c ','aa saef sf se s', 'aa','bb']

for sentence in sentences:
    for word in sentence.split(" "):
        if word in pronouns:
            print (sentence)

代码的输出是:

aa dkdje asdf aesr
bb asersada
cc ase aser sa sa c 
aa saef sf se s
aa
bb

希望这对您有所帮助。