在Python中使用map()获取列表元素在字符串中出现的次数

Question

我正在尝试在Python中计算一个列表中每个项目在一个字符串中出现的次数：

paragraph = "I eat bananas and a banana"

def tester(x): return len(re.findall(x,paragraph))

map(tester, ['banana', 'loganberry', 'passion fruit'])

返回的结果是 [2, 0, 0]

不过，我想把这个功能扩展一下，让我可以把段落的内容传入map()函数。目前，tester()函数里面的段落是写死的。有没有人知道怎么做到这一点（也许可以创建一个包含多个段落值的列表）？还有其他的想法吗？

请记住，未来每个数组中的值都会有一个权重，所以需要把这些值保存在一个列表中，而不是把它们全部合在一起。

更新：这个段落的内容通常会有2万字，而列表里通常会有200多个成员。我在想，map函数是并行运行的，所以它会比任何串行的方法更高效。

Answer 1

targets = ['banana', 'loganberry', 'passion fruit']
paragraph = "I eat bananas and a banana"

print [paragraph.count(target) for target in targets]

我不知道你为什么在这里要用map()这个东西。

Answer 2

闭包可以是一个快速的解决方案：

paragraph = "I eat bananas and a banana"

def tester(s): 
    def f(x):
        return len(re.findall(x,s))
    return f

print map(tester(paragraph), ['banana', 'loganberry', 'passion fruit'])

Answer 3

这是对“我可能需要正则表达式，因为我将来可能需要单词分隔符”的回应：

这个方法只需解析文本一次，就能得到所有“单词”的列表。然后，每个单词都会在目标单词的字典中查找，如果是目标单词，就会被计数。这个过程的时间复杂度是 O(P) + O(T)，其中 P 是段落的大小，T 是目标单词的数量。到目前为止，除了我的 Aho-Corasick 方法，其他所有解决方案（包括现在被接受的解决方案）都是 O(PT)。

def counts_all(targets, paragraph, word_regex=r"\w+"):
    tally = dict((target, 0) for target in targets)
    for word in re.findall(word_regex, paragraph):
        if word in tally:
            tally[word] += 1
    return [tally[target] for target in targets]

def counts_iter(targets, paragraph, word_regex=r"\w+"):
    tally = dict((target, 0) for target in targets)
    for matchobj in re.finditer(word_regex, paragraph):
        word = matchobj.group()
        if word in tally:
            tally[word] += 1
    return [tally[target] for target in targets] 

finditer 版本就像是一个不切实际的例子——它比 findall 版本慢得多。

这是目前被接受的解决方案，用标准化的形式表示，并增加了单词分隔符：

def currently_accepted_solution_augmented(targets, paragraph):
    def tester(s): 
        def f(x):
            return len(re.findall(r"\b" + x + r"\b", s))
        return f
    return map(tester(paragraph), targets)

这个方案在闭包的使用上有点过头，可以简化为：

# acknowledgement:
# this is structurally the same as one of hughdbrown's benchmark functions
def currently_accepted_solution_augmented_without_extra_closure(targets, paragraph):
    def tester(x):
        return len(re.findall(r"\b" + x + r"\b", paragraph))
    return map(tester, targets)

目前被接受的解决方案的所有变种都是 O(PT)。与现在被接受的解决方案不同，带有单词分隔符的正则搜索并不等同于简单的 paragraph.find(target)。因为在这种情况下，正则引擎并没有使用“快速搜索”，所以添加单词分隔符会让它从慢变得非常慢。