Python: 从新闻中快速搜索特定股票名称

news[:3,:]

print(f'news_id: {news_id[:3]}')
print(f'news_title: {news_title[:3]}')

news_id: [57285603, 57463469, 57463473]
news_title: ['富机达能正式挂牌', '新能源过剩事出有因 多晶硅风电获准松绑', '近9年元旦后首个交易日沪指走势一览 虎年怎开盘']

print(f'stock_name: {stock_name[:3]}')

stock_name: ['平安银行', '万科A', '国农科技']

stock_name_clean = [s.replace('*','') for s in stock_name]

print(f'stock_name_clean: {stock_name_clean[:3]}')

stock_name_clean: ['平安银行', '万科A', '国农科技']

import re

pattern = re.compile('|'.join(stock_name_clean))

print(f'pattern: {pattern}')

pattern: re.compile('平安银行|万科A|国农科技|世纪星源|深振业A|全新好|神州高铁|中国宝安|ST美丽|深物业A|南玻A|沙河股份|深康佳A|深中华A|ST神城|深粮控股|深华发A|深科技|深天地A|特力A|飞亚达A|深圳能源|国药一致|深深房A|富奥股份|大悦城|深桑达A|神州数码|中国天楹|华联控股|深南电A|深大通|中集集团|东旭蓝天|中洲控股|中航善达|深纺织A|泛海控股|ST康达|德赛电池|深天马A|方)

import datatable as dt
import pandas as pd

# results 用来保存最终结果
results = []

for id, title in tqdm(zip(news_id[:8], news_title[:8])):

    # stock 是匹配的结果，如果匹配失败为None，如果匹配成功则为一个"re.Match"对象
    stock = pattern.search(title)

    # 如果结果不为None，那么保存结果
    if stock:
        results.append((stock.group(), id, title))

# 尝试打印结果的前三行
# 这里大猫使用了datatable包。如果读者使用pandas，那么就注销此条语句，并执行下一条
dt.Frame(results, names=['stock', 'news_id', 'news'])[:,:,dt.sort(f.stock)][:3,:]

# 如果使用pandas，则执行下面语句：
# pd.DataFrame(results, columns=['stock', 'news_id', 'news'])[:3]

8it [00:00, 3859.94it/s]

# 预先编译表达式
pattern = re.compile('|'.join(stock_name_clean))

# results 用来保存最终结果
results = []

for id, title in tqdm(zip(news_id, news_title)):

    # matched_stock 是一个list，它保存了所有匹配到的股票名。如果列表为空，则意味着
    # 标题中不包含任何股票
    matched_stocks = pattern.findall(title)

    # 如果结果不为空，保存结果
    if len(matched_stocks) > 0:

        # 这里使用了list comprehension, 对每个匹配的stock都新建一个tuple
        out = [(s, id, title) for s in matched_stocks]

        results.extend(out)

# 尝试打印结果的前三行
# 这里大猫使用了datatable包。如果读者使用pandas，那么就注销此条语句，并执行下一条
dt.Frame(results, names=['stock', 'news_id', 'news'])[:,:,dt.sort(f.news)][f.news_id==57467518,:]

# 如果使用pandas，则执行下面语句：
# pd.DataFrame(results, columns=['stock', 'news_id', 'news'])[:3]

249474it [00:19, 12576.39it/s]