如何检查一行是不是有列表中的一个字符串？ [复制]

Posted 2023-02-23

【中文标题】如何检查一行是不是有列表中的一个字符串？ [复制]

【英文标题】：How to check if a line has one of the strings in a list? [duplicate]如何检查一行是否有列表中的一个字符串？ [复制]

【发布时间】：2012-01-24 21:34:04

【问题描述】：

可能重复：Check if multiple strings exist in another string

我正在尝试找出是否有一种很好且干净的方法来测试 3 个不同的字符串。

基本上，我使用for 循环遍历文件；然后我必须检查它是否包含我在列表中设置的 3 个字符串中的 1 个。

目前我发现了多重if条件检查，但感觉不是真的优雅高效：

for line in file
    if "string1" in line or "string2" in line or "string3" in line:
        print "found the string"

我想创建一个包含 string1、string2 和 string3 的列表，并检查其中是否包含其中任何一个，但似乎我不能只比较列表而不显式循环遍历列表，在这种情况下，我基本上处于与上面编写的多重 if 语句相同的条件。

有没有什么聪明的方法可以检查多个字符串，而无需编写长 if 语句或循环遍历列表的元素？

【问题讨论】：

你需要搜索每一行还是只找到第一行？如果是这样，您可以通过跳出 for 循环进行优化。

【参考方案1】：

strings = ("string1", "string2", "string3")
for line in file:
    if any(s in line for s in strings):
        print "yay!"

【讨论】：

虽然any 的含义很合乎逻辑，但我从未使用过它，所以我不得不查一下。不错的代码@Niklas。

这几乎完全相同。

这是一个函数。所有any 所做的只是检查序列中的任何值是否为真。真正的魔力是为序列使用生成器表达式。

@Niklas B.：很抱歉评论晚了，但是有没有办法打印找到的字符串？你会怎么做。谢谢。

@Pitto：啊，我现在才看到您的评论是对 Shabkar 的回应 :) 但是，line 不是找到的字符串。那将是 string

的匹配元素

【参考方案2】：

这仍然循环通过两个列表的笛卡尔积，但它只做一行：

>>> lines1 = ['soup', 'butter', 'venison']
>>> lines2 = ['prune', 'rye', 'turkey']
>>> search_strings = ['a', 'b', 'c']
>>> any(s in l for l in lines1 for s in search_strings)
True
>>> any(s in l for l in lines2 for s in search_strings)
False

这还具有any 短路的优点，因此一旦找到匹配项，循环就会停止。此外，这只会在linesX 中找到来自search_strings 的字符串的第一次出现。如果您想查找多个匹配项，您可以执行以下操作：

>>> lines3 = ['corn', 'butter', 'apples']
>>> [(s, l) for l in lines3 for s in search_strings if s in l]
[('c', 'corn'), ('b', 'butter'), ('a', 'apples')]

如果您想编写更复杂的代码，Aho-Corasick 算法似乎可以测试给定输入字符串中是否存在多个子字符串。 （感谢 Niklas B. 指出这一点。）我仍然认为它会为您的用例带来二次性能，因为您仍然需要多次调用它来搜索多行。但是，它会击败上述（三次，平均）算法。

【讨论】：

其实有。查看 Aho-Corasick 自动机。它可以在线性时间内完成

@NiklasB.，谢谢，这很有趣！如果我错了，请纠正我，但我认为结果仍然是二次的，因为 OP 想要测试多行的子字符串匹配。但这仍然胜过幼稚的 any 版本（三次，假设平均 O(n) 性能为 in）。

不，它是线性的。构建自动机是线性时间，将字符串输入自动机也是线性时间

或者更准确地说，你用针构建了一次自动机，然后在每一行重复使用它

我以为自动机是用针做的……

【参考方案3】：

一种方法是将搜索字符串组合成一个正则表达式模式，如this answer。

【讨论】：

我认为正则表达式更漂亮，但正则表达式不是有很多开销吗？它真的比简单的'if ... or ... or ...:'更有效吗？

@SamRedway 有一些开销，但另一方面，搜索字符串可以组合成一个“一次性”处理的模式。

@SamRedway 嗯，好的，快速测试使正则表达式看起来很糟糕

所以我猜想在大多数用例中，可读性比效率更重要，这是基于该指标的完全合理的方法。会说“更有效”可能会产生误导。

@SamRedway 是的，现在编辑了。