检查另一个字符串中的单词列表[重复]

Posted 2023-02-23

【中文标题】检查另一个字符串中的单词列表[重复]

【英文标题】：Check list of words in another string [duplicate]

【发布时间】：2011-03-17 08:02:26

【问题描述】：

我可以在 python 中做这样的事情：

l = ['one', 'two', 'three']
if 'some word' in l:
   ...

这将检查列表中是否存在“某个单词”。但是我可以做相反的事情吗？

l = ['one', 'two', 'three']
if l in 'some one long two phrase three':
    ...

我必须检查数组中的某些单词是否在字符串中。我可以使用循环来做到这一点，但这种方式有更多的代码行。

【问题讨论】：

使用“list”作为变量名会给你带来麻烦，因为它隐藏了python“list”

@F***，是的，当然。仅供参考。

优先考虑可读性优于代码行数。在这种情况下，any 是一个完美的选择，但有时使用更多的线条比一个衬里更好

【参考方案1】：

if any(word in 'some one long two phrase three' for word in list_):

【讨论】：

@Ockonal: 如果您想检查该列表中的 所有 个单词是否在字符串中，只需将上面的 any() 替换为 all()

请注意，如果 'me' 在 list_ 中，它将被视为匹配，因为 'me' 在 'some' 中。如果您只想匹配整个单词，则需要更改为 any(word in 'some one long two phrase three'.split() for word in list_)，就像我在答案中创建集合时所做的那样。

@VedGupta，使用len 代替any？ :) docs.python.org/3/library/functions.html#len

这仅在我使用列表理解时才对我有用：any([word in 'some one long two phrase three' for word in list_]) 这是我所期望的 - 不知道没有它它是如何工作的。

@nlogn: words = [word for word in list_ if word in 'long phrase']（或使用filter）。

【参考方案2】：

这里有几种替代方法，可能比 KennyTM 的答案更快或更合适，具体取决于上下文。

1) 使用正则表达式：

import re
words_re = re.compile("|".join(list_of_words))

if words_re.search('some one long two phrase three'):
   # do logic you want to perform

2) 如果你想匹配整个单词，你可以使用集合，例如您不想在“它们的定理是理论上的”短语中找到“the”这个词：

word_set = set(list_of_words)
phrase_set = set('some one long two phrase three'.split())
if word_set.intersection(phrase_set):
    # do stuff

当然，您也可以使用“\b”标记对正则表达式进行全词匹配。

这些和 Kenny 的解决方案的性能将取决于几个因素，例如单词列表和短语字符串的长度以及它们的更改频率。如果性能不是问题，那就选择最简单的，这可能是 Kenny 的。

【讨论】：

感谢您的回答。并且，请在第二行 list_of_words 之后添加引号。

刚刚尝试了python 3.3中的最后一个我不得不使用if word_set.intersection(phrase_set):

@dave 如果我的单词列表长度为 30-50 个单词，而我的字符串最多为 300 个单词，这是一种更有效的方法。而且我必须进行超过 10 万次这样的比较？

@ketanbhatt 这将取决于许多因素。你需要匹配整个单词吗？大部分字符串会没有匹配项吗？列表中的某些单词会比其他单词出现得更多吗？您需要对具有代表性的字符串子集对每个备选方案进行计时，以查看哪一个表现最佳。

对于与“\b”标记匹配的整个单词：words_re = re.compile(r"\b" + r"\b|".join(list_of_words)+r"\b")

【参考方案3】：

如果您的单词列表很长，并且您需要多次执行此测试，则可能值得将列表转换为集合并使用集合交集进行测试（您将获得实际的额外好处两个列表中的单词）：

>>> long_word_list = 'some one long two phrase three about above along after against'
>>> long_word_set = set(long_word_list.split())
>>> set('word along river'.split()) & long_word_set
set(['along'])

【讨论】：

这与它只是检查空格分隔的单词是否与您要查找的单词匹配不同。例如，您将无法在 foobar 中找到 foo。

@poke - 是的。我不清楚 OP 是否需要这种部分/嵌入的单词匹配。通常情况下，人们会为较大的字符串中的单词编写代码测试，假设他们正在执行单词匹配，但实际上正在执行字符串匹配。此方法根据一组完整的单词检查整个单词，而不查找任何嵌入的匹配项（例如匹配 'about' 中的 'out'）。

是的，我只是认为有必要提及您的解决方案（顺便说一句，这是一个很好的解决方案。）与in 运算符的行为不同。

【参考方案4】：

解决这个问题最简单最简单的方法是使用 re

import re

search_list = ['one', 'two', 'there']
long_string = 'some one long two phrase three'
if re.compile('|'.join(search_list),re.IGNORECASE).search(long_string): #re.IGNORECASE is used to ignore case
    # Do Something if word is present
else:
    # Do Something else if word is not present