Python字符串单词查找函数为何返回空列表？

问题场景 #

编写的word_search函数接收doc_list和keyword两个参数，目标是返回原字符串列表中包含指定关键词的元素索引列表（忽略大小写，逗号、句号不影响搜索），但运行后返回空列表。

预期示例 #

doc_list = ["The Learn Python Challenge Casino.", "They bought a car", "Casinoville"]
>>> word_search(doc_list, 'casino')
>>> [0]
>>> word_search(doc_list, 'car')
>>> [1]

用户代码 #

def word_search(doc_list, keyword):

    #remove periods and commas and set all to lowercase
    doc_list_lower = [elem.rstrip('.,').lower() for elem in doc_list]
    print(doc_list_lower)

    #make keyword lowercase
    keyword_lower = keyword.lower()

    #split string into list of words
    doc_list_lower_splitted = [elem.split() for elem in doc_list_lower]
    print(doc_list_lower_splitted)

    #return list of indexes of words which matched with keyword
    return [doc_list_lower_splitted.index(elem) for elem in doc_list_lower_splitted if keyword_lower in doc_list_lower_splitted]
    
#check the function
doc_list = ["The Learn Python Challenge Casino.", "They bought a car", "Casinoville"]
word_search(doc_list, 'casino')

运行结果 #

['the learn python challenge casino', 'they bought a car', 'casinoville']
[['the', 'learn', 'python', 'challenge', 'casino'], ['they', 'bought', 'a', 'car'], ['casinoville']]

[]

错误原因 #

问题出在最后一行的判断逻辑：

• if keyword_lower in doc_list_lower_splitted 是检查关键词是否属于整个二维列表的元素（即是否是某个子列表本身），而非检查关键词是否在当前遍历的子列表（单篇文档的单词集合）中。
• 以测试用例为例，doc_list_lower_splitted是二维列表，'casino'是字符串，显然不是子列表，因此条件永远不成立，返回空列表。

另外，doc_list_lower_splitted.index(elem)存在潜在问题：如果列表中有重复的子列表，会返回第一个匹配项的索引，而非当前元素的真实索引。

修复后的代码 #

基础修复版 #

修正判断逻辑，使用enumerate直接获取元素索引，避免index方法的潜在问题：

def word_search(doc_list, keyword):
    # 处理每个文档：移除末尾标点并转小写
    doc_list_lower = [elem.rstrip('.,').lower() for elem in doc_list]
    keyword_lower = keyword.lower()
    doc_splitted = [elem.split() for elem in doc_list_lower]
    
    # 遍历检查每个文档的单词列表，收集符合条件的索引
    return [idx for idx, words in enumerate(doc_splitted) if keyword_lower in words]

# 测试验证
doc_list = ["The Learn Python Challenge Casino.", "They bought a car", "Casinoville"]
print(word_search(doc_list, 'casino'))  # 输出 [0]
print(word_search(doc_list, 'car'))     # 输出 [1]

优化增强版 #

原代码的rstrip('.,')仅移除字符串末尾的标点，若标点出现在单词中间（比如"casino,"）会处理失效，这里改用全局替换处理所有位置的标点：

def word_search(doc_list, keyword):
    keyword_lower = keyword.lower()
    result = []
    for idx, doc in enumerate(doc_list):
        # 移除所有逗号、句号，转小写后拆分单词
        processed_words = doc.replace(',', '').replace('.', '').lower().split()
        if keyword_lower in processed_words:
            result.append(idx)
    return result

# 测试验证
doc_list = ["The Learn Python Challenge Casino.", "They bought a car", "Casinoville", "I love casino, too"]
print(word_search(doc_list, 'casino'))  # 输出 [0, 3]

内容的提问来源于stack exchange，提问作者charly99