Решение с regex:
import re
def is_spam_words(text, spam_words, space_around=False):
pattern = r'\b{}\b' if space_around else '{}'
prog = re.compile(pattern.format('|'.join(spam_words)), re.I)
return bool(prog.search(text))
Если стоит space_around
, то регулярное выражение будет иметь \b
по краям, что отвечает за word boundary и вполне выполняет условие:
слова считаются только если они стоят отдельно (перед словом пробел или это начало строки и после слова пробел или точка).
Word boundary означает, что будет найдено слово не в составе какого-либо другого слова, а отдельно. Вокруг могут быть пробелы, точки. Тут правда стоит оговориться, что слова написанные через дефис будут считаться отдельными словами, то есть при поиске \bнибудь\b
в строке какой-нибудь
нибудь найдётся как отдельное слово.
Все слова в spam_words
объединяются через |
, то есть логическое или.
Дополнение по комментарию:
Разберём строку re.compile(pattern.format('|'.join(spam_words)), re.I)
Ранее мы записали в pattern
либо {}
либо \b{}\b
в зависимости от условия space_around
. У строковых переменных есть метод .format()
, который подставляет передаваемые в нём значения вместо {}
.
В данном случае подставит значение из '|'.join(spam_words)
, то есть все элементы массива spam_words
разделённые знаком |
:
spam_words = ['лох']
print('|'.join(spam_words)) # лох
spam_words = ['лох', 'питух']
print('|'.join(spam_words)) # лох|питух
Эти значения подствляются вместо {}
, соответственно получаем регулярные выражения для обоих случаев:
- space_around = True
re.compile('\\bлох\\b', re.IGNORECASE)
re.compile('\\bлох|питух\\b', re.IGNORECASE)
- space_around = False
re.compile('лох', re.IGNORECASE)
re.compile('лох|питух', re.IGNORECASE)
Обычно излишний метод, можно обойтись строковой переменной и передать её напрямую в re.search()
первым аргументом, но компиляция, всё же, полезна.
Во-первых, при компиляции я указываю флаг re.I
, который ранее упоминал в комментарии к вопросу, с ним будет искать вне зависимости от того заглавные буквы в тексте или строчные.
Во-вторых, скомпилированный паттерн можно переиспользовать как объект для поиска в другом pattern.search()
методе, где как аргумент передавать только текст. В моём случае паттерн именуется prog
, также как и в документации к регулярным выражениям.
Но можно обойтись и без компиляции, тогда код будет выглядеть так:
import re
def is_spam_words(text, spam_words, space_around=False):
pattern = r'\b{}\b' if space_around else '{}'
return bool(re.search(pattern.format('|'.join(spam_words)), text, re.I))
\b
то есть word boundary, пример, обрати внимание на флаг case insensetive. Далее при компиляции регулярки можно подставлять слова из списка и искать по очереди через цикл, либо же собрать все слова в регулярку через|
, т.е.\bлох|мох|питух\b
и смотреть что быстрее отработает. Для небольшого массива запретных слов и большого текста вероятно второй вариант лучше. Оформлю в ответ, но сейчас засыпаю, возможно кто-то опередит.