如何用正则实现基于停用词的高校列表过滤？

完全可以通过正则表达式实现你的要求——当用户搜索uni、univer、university或停用词the、of时，返回空结果。核心思路是先判断搜索词是否命中禁用模式，再决定是否执行原过滤逻辑。

实现步骤 #

1. 编写正则匹配模式：覆盖所有需要拦截的搜索词，包括university的前缀（uni、univer等）以及停用词the、of，且忽略大小写。
2. 先检查搜索词是否匹配禁用模式：如果匹配，直接返回空列表；否则执行原有的过滤逻辑。

正则模式说明 #

^(uni(v(e(r(s(i(t(y)?)?)?)?)?)?|the|of)$

• uni(v(e(r(s(i(t(y)?)?)?)?)?)?：匹配university的所有前缀（从uni到完整的university）
• the|of：匹配停用词本身
• ^和$：确保是完全匹配，避免误拦截包含uni的其他无关词汇
• 启用re.IGNORECASE忽略大小写，兼容不同大小写的搜索词

修改后的代码 #

import re

# 初始化时编译正则（避免重复编译提升性能）
self.forbidden_pattern = re.compile(r'^(uni(v(e(r(s(i(t(y)?)?)?)?)?)?|the|of)$', re.IGNORECASE)

# 过滤逻辑
def filter_schools(self, school):
    if self.forbidden_pattern.fullmatch(school):
        return []
    # 原过滤逻辑
    return [x for x in self.schools_list if school.lower() in x['name'].lower() or school.lower() in x['domains'][0].lower()]

简化版本（仅拦截指定词汇） #

如果你只需要精准拦截uni、univer、university这三个具体词汇，而非所有前缀，可以简化正则为：

^(uni|univer|university|the|of)$

这样更简洁，完全匹配你提到的搜索场景。

内容的提问来源于stack exchange，提问作者Kjobber