CS50作业：敏感词过滤时子串误匹配的问题排查

嘿，我来帮你拆解下为什么第二个版本会出现子串误替换的问题，以及怎么修复它～

核心原因：两种检查方式的本质区别 #

1. 正常运行的第一个版本逻辑 #

你第一个版本里的(word_list[i].lower() + '\n') in fin是在文件对象中查找匹配项。当你对文件对象使用in操作时，Python会逐行遍历文件，检查是否有某一行完全等于你传入的字符串（这里是单词小写+换行符）。因为你的敏感词字典应该是每行存一个敏感词，所以这个写法正好匹配完整的敏感词行，不会误判子串。

每次循环后调用fin.seek(0)是把文件指针移回开头，确保下一次检查能重新从文件第一行开始遍历，这个逻辑是没问题的。

2. 出错的第二个版本问题 #

第二个版本用了word_list[i].lower() in fin.read()，这里的fin.read()会一次性把整个文件的内容读取成一个完整的字符串（包含所有换行符、空格等）。比如你的字典里有一行heck\n，那这个大字符串里就会包含heck、hec、he、h这些子串。当你检查he是否在这个字符串里时，结果自然是True，所以就会误把包含这些子串的单词也替换掉。

哪怕你每次循环后调用fin.seek(0)，也只是让下一次fin.read()重新读一遍文件内容，但本质还是在大字符串里找子串，无法避免误匹配。

更优的修复方案 #

其实还有更高效且精确的写法：把敏感词读取到一个集合里，集合的查找是O(1)的，比逐行遍历文件快得多，还能精确匹配完整单词。

修改后的代码可以这样写：

from cs50 import get_string
from sys import argv

def main():
    if len(argv) != 2:
        print("Usage: python bleep.py dictionary")
        exit(1)
    
    # 将敏感词读取到集合中，统一转小写并去掉换行符
    with open(argv[1]) as fin:
        bad_words = {line.strip().lower() for line in fin}
    
    print("What message would you like to censor?")
    message = get_string()
    word_list = message.split()

    # 遍历检查每个单词
    for i in range(len(word_list)):
        if word_list[i].lower() in bad_words:
            word_list[i] = '*' * len(word_list[i])

    print(' '.join(word_list))

if __name__ == "__main__":
    main()

这里用with语句自动管理文件关闭，不用手动调用fin.close()；集合bad_words存储所有小写的敏感词，检查时直接判断单词小写形式是否在集合里，既精确又高效。

内容的提问来源于stack exchange，提问作者shayan