python - 在一个字符串中查找多个子字符串，而无需对其进行多次遍历

Question

我需要查找列表中的项目是否出现在字符串中，然后将其添加到其他列表中。此代码有效:

data =[]
line = 'akhgvfalfhda.dhgfa.lidhfalihflaih**Thing1**aoufgyafkugafkjhafkjhflahfklh**Thing2**dlfkhalfhafli...'
_legal = ['thing1', 'thing2', 'thing3', 'thing4',...] 
for i in _legal:
    if i in line:
        data.append(i)

但是，该代码多次遍历 line(可能很长)-相当于 _legal中的项目(可能很多)。这对于我来说太慢了，我正在寻找一种更快的方法。 line没有任何特定格式，因此据我所知，使用 .split()无效。
编辑:更改 line，以便更好地表示问题。

Answer 1

我可以想到的一种改进方法是:

获取_legal中所有单词的唯一长度

使用滑动窗口技术从那些特定长度的line构建单词词典。复杂度应该为O( len(line)*num_of_unique_lengths )，这应该比蛮力好。

现在在O(1)中查找字典中的每个thing。

代码:

line = 'thing1 thing2 456 xxualt542l lthin. dfjladjfj lauthina '
_legal = ['thing1', 'thing2', 'thing3', 'thing4', 't5', '5', 'fj la']
ul = {len(i) for i in _legal}
s=set()
for l in ul:
    s = s.union({line[i:i+l] for i in range(len(line)-l)})
print(s.intersection(set(_legal)))

输出:

{'thing1', 'fj la', 'thing2', 't5', '5'}