python - 检查字符串是否包含一定数量的另一个字符串的单词

Question

假设我们有一个字符串 1 A B C D E F 和一个字符串 2 B D E(这些字母只是为了演示，实际上它们是单词)。现在我想找出字符串 1 中的字符串 2 中是否有任何 n 连续“单词”。要将字符串转换为“单词”，我会使用 string.split( )。

例如 n 等于 2，我想检查 B D 或 D E 是否 - 按此顺序 - 在字符串 1 中。B D 在字符串中不是按此顺序，但 D E 是。

有没有人看到这样做的 pythonic 方式？

我确实有一个n 等于 2 的解决方案，但我意识到我需要它来处理任意 n。它也不是特别漂亮:

def string_contains_words_of_string(words_str, words_to_check_str):
    words = words_str.split()
    words_to_check = words_to_check_str.split()

    found_word_index = None
    for word in words:
        start = 0 if found_word_index is None else found_word_index + 1
        for i, word_to_check in enumerate(words_to_check[start:]):
            if word_to_check == word:
                if found_word_index is not None:
                    return True
                found_word_index = i
                break
            else:
                found_word_index = None
    return False

Answer 1

使用正则表达式很容易:

>>> import re
>>> st1='A B C D E F'
>>> st2='B D E'
>>> n=2
>>> pat=r'(?=({}))'.format(r's+'.join(r'\w+' for i in range(n)))
>>> print [(s, s in st1) for s in re.findall(pat, st2)]
[('B D', False), ('D E', True)]

关键是使用零宽度前瞻来查找字符串中的重叠匹配项。所以:

>>> re.findall('(?=(\\w+\\s+\\w+))', 'B D E')
['B D', 'D E']

现在为 \w+ 找到的单词重复 n 次构建它:

>>> n=2
>>> r'(?=({}))'.format(r's\+'.join(r'\w+' for i in range(n)))
'(?=(\\w+\\s+\\w+))'

现在，由于您有两个字符串，使用 Python 的 in 运算符生成 s 结果的元组，从正则表达式匹配到目标字符串。

---

当然，如果你想要一个非正则表达式来做这个，只需通过 n 产生子字符串 n 个单词:

>>> li=st2.split()
>>> n=2
>>> [(s, s in st1) for s in (' '.join(li[i:i+n]) for i in range(len(li)-n+1))]
[('B D', False), ('D E', True)]

如果你想要索引(任何一种方法)，你可以使用 str.find :

>>> [(s, st1.find(s)) for s in (' '.join(li[i:i+n]) for i in range(len(li)-n+1)) 
...     if s in st1]
[('D E', 6)]

---

对于逐字逐句的正则表达式，请确保使用单词边界 anchor :

>>> st='wordW wordX wordY wordZ'
>>> re.findall(r'(?=(\b\w+\s\b\w+))', st)
['wordW wordX', 'wordX wordY', 'wordY wordZ']