python中重叠的findall
python中重叠的findall
提问于 2018-07-10 05:06:44
我在调试一些遗留代码，发现我们没有正确使用re.findall。
所以我有一组关键字(也可以是一个短语)，我需要返回一个句子中出现的所有关键字。
keyWords = [keyword1, keyword2,...] # size around ~500
prog = re.compile(r'\b(%s)\b'%"|".join(keyWords)) # has to match the entire word, hence the word boundary \b
prog.findall(sentence)但它在以下情况下不起作用：
myKeywords = [A, A B]
mySentence = [A B]"findall“将只返回A，因为它是非重叠搜索。
然后，我又回到了使用re.search的残暴状态：
set(filter(lambda x: bool(re.search(r'\b(%s)\b'%x, sentence)), keyWords))但是性能太慢了。使用大约500个关键词和不到10个单词的句子，残暴的力量需要10^-2秒，而findall只需要10^-4秒。正则表达式编译确实需要10^-2秒，但是超过100万个句子时，可以忽略它。
有没有什么内置的方法或者更快的方法来做到这一点？
再想一想：
经过进一步的调查，我认为这与重叠或非重叠搜索无关，也就是说，即使是非重叠搜索，也不会对问题有所帮助。这更像是一个在句子中查找所有短语(短语可以是另一个短语的子串)的问题。
回答 1
Stack Overflow用户
发布于 2018-07-10 06:41:53
我想你想要最长的匹配。
要做到这一点，您可以按大小逆序排序关键字(最长的第一个)
import re
keywords = ['a', 'b', 'a b']
keywords.sort(key=lambda k: len(k), reverse=True)
regex = r'\b{0}\b'.format('|'.join(keywords))
findall_kw = re.compile(regex).findall例如：
sentence = 'a, a b'
print(findall_kw(sentence))你会得到：
['a', 'a b']注意:如果您的关键字可以包含特殊字符，则可以考虑使用re.escape()对其进行转义。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51254037
复制相关文章
相似问题