我发现之前自己真是太愚蠢了没有搞清楚正则表达的各种用法。

不同词语的筛选根本不用像re.sub('另一个想替换的内容','另一个替换后的内容',re.sub('想要替换的内容','替换后的内容',x))这样傻了吧唧地筛一层又一层……(受linux的pipe荼毒太深)

正则表达中不同字符的or其实大家都知道是[abcde1234]这样的，但是不同词语的时候如果写[(remix)(acoustic)]的话匹配的并不是两个单词而是ra,rc,ro……以此类推。

实际上你需要使用|把两个间隔开后再括上括号([]也行)才可以匹配。

下面我们来看几个例子：

import re

str1='remix acoustic remixxxx acous remi 1234 reacu acoustic1'

str2=re.sub('.*((remix)|(acoustic)).*','替换',str1)

str3=re.sub('.*(remix)|(acoustic).*','替换',str1)

str4=re.sub('(remix)|(acoustic)','替换',str1)

str5=re.sub('[(remix)|(acoustic)]','替换',str1)

print(str2)

print(str3)

print(str4)

print(str5)

######输出结果

#替换

#替换xxx acous remi 1234 reacu 替换

#替换 替换 替换xxx acous remi 1234 reacu 替换1

#替换替换替换替换替换 替换替换替换替换替换替换替换替换 替换替换

#替换替换替换替换替换替换 替换替换替换替换替换 替换替换替换替换 1234 替换替换替换替换替换 替换替换替换替换替换替换替换替换1

所以我们为了筛选出更合适的不重复歌曲，就可以用这样写：

if (re.search(".*((remix)|(acoustic)|(edition)|(feat\.)).*",links))==None:

另外为了防止Taylor最多的词语是shake这种沙雕情况，这次换了一个算法：

lyricswords=[]

for lyric in lyric_dict.values():

lyricswords=lyricswords + list(set(sorted(lyric.split(' ')))) #unique words in one song

#the 300 most frequent words

ly_frenquency=Counter(sorted(lyricswords)).most_common(300)

for item in ly_frenquency:

print(re.sub(r"[()']",'',str(item)))

原理很朴素，就是利用set的特性把这个有重复词语的list变成无重复的set，最后再变回list加入到dict中(其实第二步转换没有必要？)。

那么我们来看一下结果吧！

笑成傻吊了……都怪我觉得说唱歌手词汇更丰富一点，根本就是想太多了。

麻辣鸡的歌词精选：

aint, 33

money, 20

niggas, 18

bitch, 17

nicki, 17

fuck, 17

nigga, 16

bitches, 15

young, 14

queen, 13

ride, 13

hit, 12

ya, 12

boy, 12

ass, 10

pussy, 9

bout, 8

hoes, 8

rap, 8

kiss, 7

fucking, 7

minaj, 5

pink, 5

red, 5

然后再来看一下喇嘛

nigga, 43

shit, 41

down, 40

life, 39

fuck, 37

bitch, 31

man, 31

one, 31

niggas, 31

love, 30

said, 30

look, 30

em, 29 #我觉得这可能是'em而不是真的emmmm吧毕竟英语里都没有这个说法

take, 29

feel, 28

god, 27

yeah, 27

world, 27

black, 27

就真的也没好到哪里去，不过这么简单粗暴的概括语言并不能说明什么，仅供娱乐吧哈哈哈哈。

ps说真的急需一个新project给我玩，可是一时半会儿想不出什么好玩的，想做的微博bot之类的又太超出我现有水平，苦恼.jpg