Python如何删除嵌套列表中的反向相似及子集短语

原代码无法得到预期结果的核心问题有两个：

• 没有处理语序颠倒的短语：直接用in判断字符串包含，只能匹配字符顺序完全一致的子串，无法识别单词相同但语序不同的情况
• 判断逻辑有漏洞：弹出元素时仅判断当前元素是否存在于剩余未弹出的元素中，反过来如果剩余元素是更短的子集，不会过滤掉已弹出的短元素

• 把每个短语拆分为无序的单词集合，忽略语序判断两个短语的包含关系
• 对每个子列表，遍历所有短语，仅保留不存在其他短语能完全包含它的所有单词的条目
• 额外支持按短语长度优先判断，可提升大列表处理效率，越长的短语越不可能是其他短语的子集

lst1 = [['daniel philips', 'philips daniel', 'daniel philips william'],['cherry', 'mary', 'cherry mary']]
keyword_list = []

for list_a in lst1:
    # 把每个短语转成(单词集合, 原字符串)的元组，方便后续对比
    phrase_tuples = [(set(item.split()), item) for item in list_a]
    temp_list = []
    for words, phrase in phrase_tuples:
        is_subset = False
        for other_words, other_phrase in phrase_tuples:
            # 跳过和自身的对比
            if phrase == other_phrase:
                continue
            # 判断当前短语的所有单词是不是都存在于另一个短语中
            if words.issubset(other_words):
                is_subset = True
                break
        if not is_subset:
            temp_list.append(phrase)
    keyword_list.append(temp_list)

print(keyword_list)
# 输出结果：[['daniel philips william'], ['cherry mary']]

• 用set(item.split())把短语转成单词集合，天然忽略语序，只要单词完全一致，不管排列顺序都会被判定为相等
• issubset()方法直接判断一个集合的所有元素是否都存在于另一个集合中，完美匹配“短短语是长短语子集”的判断需求
• 遍历所有短语两两对比，只有没有其他短语能包含它的才会被保留，符合需求

内容的提问来源于stack exchange，提问作者Anonymous_Forte