819. 最常见的单词（Python）

题目

难度：★★☆☆☆
类型：字符串

给定一个段落 (paragraph) 和一个禁用单词列表 (banned)。返回出现次数最多，同时不在禁用列表中的单词。题目保证至少有一个词不在禁用列表中，而且答案唯一。

禁用列表中的单词用小写字母表示，不含标点符号。段落中的单词不区分大小写。答案都是小写字母。

说明

1 <= 段落长度 <= 1000.
1 <= 禁用单词个数 <= 100.
1 <= 禁用单词长度 <= 10.
答案是唯一的, 且都是小写字母 (即使在 paragraph 里是大写的，即使是一些特定的名词，答案都是小写的。)
paragraph 只包含字母、空格和下列标点符号!?',;.
不存在没有连字符或者带有连字符的单词。
单词里只包含字母，不会出现省略号或者其他标点符号。

示例

输入:
paragraph = "Bob hit a ball, the hit BALL flew far after it was hit."
banned = ["hit"]
输出: "ball"
解释:
"hit" 出现了3次，但它是一个禁用的单词。
"ball" 出现了2次 (同时没有其他单词出现2次)，所以它是段落里出现次数最多的，且不在禁用列表中的单词。
注意，所有这些单词在段落里不区分大小写，标点符号需要忽略（即使是紧挨着单词也忽略， 比如 "ball,"），
"hit"不是最终的答案，虽然它出现次数更多，但它在禁用单词列表中。

解答

这是自然语言处理（NLP）领域非常常见的基础问题，统计词频并去除停用词。我们使用re格式化与Counter计数器解决这个问题。

1. 首先，我们将输入本文小写：paragraph.lower()；

2. 对于题目中所给出的标点符号（叹号“！“，问号“？”，单引号“‘”，逗号“，”，句号“.”，分号“；”以及空格“ ”），我们需要把它们删除，并且根据这些标点符号来划分单词，这里，我们使用re模块的split方法，它与str的split方法不同的是，可以同时处理多种不同的标点符号：re.split(r"[!?',;. ]", paragraph.lower())，得到的是一个划分好的单词列表，列表中的每个单词都是小写形式，并且不含多余的标点符号。

3. 使用Counter对单词列表进行计数，计数完成后，需要删除空字符串“”的记录和停用词的记录；

4. 对于清理后的单词计数器，我们找出出现次数最多的单词。这里我们使用max函数，平常我们直接取列表中的最大值，但是这里我们使用字典，并以字典的值作为key关键字，key关键字的作用是，对每个testlist元素先使用key指定的function来处理，然后再比较、返回预期的元素。

import re
from collections import Counter
class Solution:
    def mostCommonWord(self, paragraph, banned):
        p = re.split(r"[!?',;. ]", paragraph.lower())
        d = Counter(p)
        
        del d['']
        for i in banned:
            del d[i]
            
        return max(d, key=lambda x: d[x])

如有疑问或建议，欢迎评论区留言~