对于在文本中搜索单词的快速python包有什么建议吗？

Question

我正在寻找一个Python包，它将获得一个单词列表，然后根据给定的单词列表在文本中搜索单词

我尝试使用FlashText（http://flashtext.readthedocs.io/en/latest/）

因此，我构建了一个类，该类添加了来自文件code: keyword_processor.add_keyword(word)的关键字

然后用code: keyword_processor.extract_keywords(text)在文本中搜索关键字

但我也得到了部分单词，例如我有一个“关键字”（希伯来语）：•יל

还有一句话：האשככי𤩌𤩌פאק

单词“בכי㪡ה”作为一个found关键字出现，因为其中包含כי㪡，所以对我不好

这里是否有人有过使用不同Python包的经验，该包正在执行我在这里描述的操作，并且不会返回“部分关键字”？ 也许和flashtext一样快，我参加的测试速度非常快

Answer 1

为什么不使用^{}

import re

s = 'asef se fese fes fse se'
words = ['se', 'fes', 'foo']
words_re = '(?:^|\s+)({})(?:$|\s+)'.format('|'.join(words))
re.findall(words_re, s)

将返回['se', 'fes', 'se']，即s中找到的words中的单词，按照找到它们的顺序，包括重复的单词

正则表达式含义：

• 单词以字符串开头或前面有空格：(?:^|\s+)
• 一个单词要么以字符串结尾，要么后跟一个空格：(?:$|\s+)
• 我们不关心单词前面或后面是什么：(?:...)
• |是“或”：我们想要一个单词：'|'.join(words)
• 我们要捕获找到的单词：({})

请随意在单词之前或之后添加更多可接受的字符（我想到的是,，.，…）

---

或者，如果你在文本中寻找单词，你的搜索者将返回你已经拥有的单词。如果您这样做是为了检查文本中是否有该单词，则可以使用in：

text = '...' # your input text
words = ['foo', 'bar']

words_in_text = [word for word in words if word in text]