Python 表達式中的魔法：用海象運算子讓斷詞程式碼更乾淨 [w_clean for w in words if (w_clean:=w.lower().strip()) and w_clean not in  STOPWORDS]

Python 3.8 引入了一個外型奇特、但非常實用的新語法：
**海象運算子（Walrus Operator，`:=`）**。
很多介紹都停留在 `if` 或 `while` 的簡單例子，
但在實務中，
**它真正發揮價值的地方，其實是在資料清洗與文字處理**。
本文就用一個「實際可上線的斷詞場景」，來說明：
**什麼時候該用海象運算子，以及為什麼這樣用是對的。**
— ## 什麼是海象運算子？
海象運算子是 Python 的「**表達式內賦值運算子**」：

:=

:=

一句話定義：

在「需要一個值的地方」，同時完成「賦值」與「使用」。

它不是用來取代一般的 =，
而是用在 expression（表達式） 裡。

真實使用場景：斷詞＋清洗＋過濾

假設我們在做文字斷詞，需要：

1. Jieba 斷詞
2. 去空白
3. 轉小寫
4. 移除 Stopwords
5. 收集乾淨的 tokens

傳統寫法（for-loop）

tokens = []
for w in words:
    w_clean = w.strip().lower()
    if w_clean and w_clean not in STOPWORDS:
        tokens.append(w_clean)

tokens = []
for w in words:
    w_clean = w.strip().lower()
    if w_clean and w_clean not in STOPWORDS:
        tokens.append(w_clean)

這段程式碼 完全沒錯，也很清楚。
但可以觀察到兩件事：

• w_clean 只是「中間結果」
• 它的生命週期只用在這個判斷裡

用海象運算子重寫

tokens = [
    w_clean for w in words
    if (w_clean := w.strip().lower()) and w_clean not in STOPWORDS
]

tokens = [
    w_clean for w in words
    if (w_clean := w.strip().lower()) and w_clean not in STOPWORDS
]

我們來逐步理解這一行在做什麼。

逐步拆解這個表達式

1️⃣ 表達式內賦值

(w_clean := w.strip().lower())

(w_clean := w.strip().lower())

這一行同時完成兩件事：

• 計算 w.strip().lower()
• 把結果存進 w_clean

而且，整個表達式的值就是 w_clean 本身。

2️⃣ 利用短路邏輯做過濾

(w_clean := ...) and w_clean not in STOPWORDS

(w_clean := ...) and w_clean not in STOPWORDS

• 如果 w_clean 是空字串 → 直接丟掉
• 如果在 STOPWORDS → 丟掉
• 否則 → 通過

✅ 沒有重複計算
✅ 沒有額外變數
✅ 邏輯集中在同一個地方

3️⃣ 收集結果

w_clean for w in words if ...

w_clean for w in words if ...

通過條件的時候，
使用的正是 剛剛算好的 w_clean。

為什麼這裡「非常適合」用海象運算子？

這個場景同時滿足了三個條件：

1. ✅ 中間結果只用一次
2. ✅ 避免重複計算
3. ✅ 變數生命週期應該很短

這正是 PEP 572 官方推薦的使用方式。

常見誤解：一定要搭配 if / while？

❌ 錯誤理解：

海象運算子只能用在 if 或 while

✅ 正確理解：

海象運算子可以用在任何「表達式」裡

而 list comprehension 的 if 條件，
本身就是一個表達式。

什麼時候「不該」用海象運算子？

以下情況請避免：

• 表達式太長，影響可讀性
• 為了炫技而用
• 讓變數的作用範圍變得不清楚

例如：

if (a := f(x)) and (b := g(a)) and h(b):
    ...

if (a := f(x)) and (b := g(a)) and h(b):
    ...

一句話總結

海象運算子不是為了少寫一行，
而是為了讓「計算、判斷、使用」待在同一個語意單位裡。

在資料清洗、斷詞、過濾這類 pipeline 中，
它能讓程式碼 更緊湊、也更聚焦意圖。

如果你寫的是偏工程、偏 IR、偏 NLP 的 Python 程式，
這會是你最常「正確用到」海象運算子的地方。

推薦hahow線上學習python: https://igrape.net/30afN

定義：什麼是「表達式（Expression）」

在 Python 中，**表達式（expression）**指的是：

「會被求值（evaluate），並且產生一個結果值的語法結構。」

只要一段程式碼 能被計算出一個值，它就是表達式。

✅ 表達式的三個關鍵特徵

1. 會被計算（evaluate）
2. 計算後有「值」
3. 可以出現在「需要一個值的地方」

✅ 常見的表達式範例

1 + 2              # 3
len(data)          # 一個整數
w.strip().lower()  # 一個字串
x > 0              # True / False

1 + 2              # 3
len(data)          # 一個整數
w.strip().lower()  # 一個字串
x > 0              # True / False

這些都會產生「值」，因此都是表達式。

❌ 不是表達式的例子（Statement）

x = 10
def foo(): ...
for i in range(5): ...

x = 10
def foo(): ...
for i in range(5): ...

這些是 敘述（statement）：

• 用來「做事」
• 本身 不產生值
• 不能被拿去當成條件或傳給函式

🧠 為什麼這個定義對海象運算子很重要？

海象運算子 := 的設計核心就是：

只能出現在「表達式」中，而不能當成獨立的敘述使用。

✅ 合法（在表達式中）

if (n := len(data)) > 10:
    print(n)

if (n := len(data)) > 10:
    print(n)

❌ 不合法（單獨敘述）

n := len(data)   # SyntaxError

n := len(data)   # SyntaxError

因為這一行 不是表達式環境。

✅ 常見的「表達式容器」

以下結構「裡面放的東西」都是表達式：

• if / while 條件
• list / dict / set comprehension
• generator expression
• assert
• return
• 函式呼叫的參數

這也是為什麼海象運算子常見於這些地方。

🧠 一句話版定義（教學用金句）

表達式 = 會被算出一個值的東西。
海象運算子 = 在表達式裡，一邊賦值、一邊使用這個值。

推薦hahow線上學習python: https://igrape.net/30afN