如果字符串由单词列表中的单词组成，则匹配不带空格的字符串

Question

我有一个单词列表存储在一个列表中：

[
    'investment',
    'property',
    'something',
    'else',
    'vest'
]

我还有一个字符串列表，就像这样

[
    'investmentproperty',
    'investmentsomethingproperty',
    'investmentsomethingelseproperty',
    'abcinvestmentproperty',
    'investmentabcproperty'
]

给定这个单词列表和字符串列表，我需要从单词列表中确定哪些字符串只包含单词，并确定这些单词的最大数量。你知道吗

在上面的示例中，如果最大字数为3，则只有字符串列表中的前两项匹配（即使单词“vest”位于“investment”中）。你知道吗

这个例子简化了单词列表和字符串列表-实际上有成千上万的单词和成千上万的字符串。所以这需要执行。所有字符串都不包含空格。你知道吗

我试过构造一个正则表达式，比如：

^(?:(word1)|(word2)|(word3)){1,3}$

但是对于单词列表中的单词数量（目前为10000个）来说，这个速度非常慢。你知道吗

谢谢

Answer 1

我想这是你的例外

代码：

strings = [
    'investmentproperty',
    'investmentsomethingproperty',
    'investmentsomethingelseproperty',
    'abcinvestmentproperty',
    'investmentabcproperty'
]
words = [
    'investment',
    'property',
    'something',
    'else'
]
new_words =filter(lambda x: [x for i in words if x in i and x != i] == [], words)
res = list()
for string in strings:
    len_string = len(string)
    in_words = []
    for w in new_words:
        if w in string:
            in_words.append(w)
    if len(''.join(in_words)) == len_string:
        res.append(string)
print res

输出：

['investmentproperty', 'investmentsomethingproperty', 'investmentsomethingelseproperty']

Answer 2

你预计有多少时间？我测试了以下代码：

_list = ['investmentproperty'] * 100000
_dict = [
    'investment',
    'property',
    'something',
    'else'
] * 1000
regex = re.compile("^(?:" + "|".join(_dict) + "){1,3}$")

for i in _list:
    result = regex.match(i)
#cost 5.06s

for i in _list:
    result = re.match("^(?:" + "|".join(_dict) + "){1,3}$", i)
#cost 11.04s

我认为10万长度的列表和4000长度的字典，这是一个不错的表现，对吧？你知道吗

Answer 3

如果我的两分钱很重要的话，我会把包含你在字典里要找的关键词的单子翻过来，这样你就不必不断地重复两个单子了。你知道吗

哦，我忘了看aththisAho–Corasick算法，这可能对你有很大帮助

如果不感兴趣，请按以下步骤操作

1-如果要保留两个列表，请查看here

matchers = ['investment', 'property', 'something', 'else', 'vest']
matching = [s for s in my_list if any(xs in s for xs in matchers)]

2-也许吧

reduce((lambda x, y: x+len(filter((lambda z, x=y: z == x), list2))), list1, 0)

3-this听起来也很有趣，看起来是regex的一个很好的替代品

对于限制匹配数的其他要求，也许可以添加一个while循环，当匹配数达到时该循环中断。在使用字典的情况下，将要查找的单词作为键，并将其所有值设置为1，每次找到单词时都添加值，直到达到目标为止。你知道吗