7

我在 .txt 文件中有很长的单词和正则表达式模式列表，我是这样读入的：

with open(fileName, "r") as f1:
    pattern_list = f1.read().split('\n')

为了说明，前七个看起来像这样：

print pattern_list[:7] 
# ['abandon*', 'abuse*', 'abusi*', 'aching', 'advers*', 'afraid', 'aggress*']

我想知道每当我将输入字符串中的单词与 pattern_list 中的任何单词/模式匹配时。以下类型的作品，但我看到两个问题：

  1. 首先，每次我检查新的 string_input 时 re.compile() 我的 pattern_list 中的每个项目似乎效率都很低...但是当我尝试将 re.compile(raw_str) 对象存储在列表中时（然后能够将已经编译的正则表达式列表重用于类似的东西 if w in regex_compile_list:，它不能正常工作。）
  2. 其次，它有时不像我预期的那样工作 - 注意如何
    • 滥用*匹配滥用
    • abusi* 与被虐待和虐待相匹配
    • ache* 与疼痛相匹配

我做错了什么，我怎样才能更有效率？提前感谢您对菜鸟的耐心，并感谢您的任何见解！

string_input = "People who have been abandoned or abused will often be afraid of adversarial, abusive, or aggressive behavior. They are aching to abandon the abuse and aggression."
for raw_str in pattern_list:
    pat = re.compile(raw_str)
    for w in string_input.split():
        if pat.match(w):
            print "matched:", raw_str, "with:", w
#matched: abandon* with: abandoned
#matched: abandon* with: abandon
#matched: abuse* with: abused
#matched: abuse* with: abusive,
#matched: abuse* with: abuse
#matched: abusi* with: abused
#matched: abusi* with: abusive,
#matched: abusi* with: abuse
#matched: ache* with: aching
#matched: aching with: aching
#matched: advers* with: adversarial,
#matched: afraid with: afraid
#matched: aggress* with: aggressive
#matched: aggress* with: aggression.
4

4 回答 4

10

对于匹配 shell 样式的通配符，您可以（ab）使用该模块fnmatch

由于fnmatch主要设计用于文件名比较，测试将区分大小写或不取决于您的操作系统。所以你必须规范化文本和模式（在这里，我lower()用于此目的）

>>> import fnmatch

>>> pattern_list = ['abandon*', 'abuse*', 'abusi*', 'aching', 'advers*', 'afraid', 'aggress*']
>>> string_input = "People who have been abandoned or abused will often be afraid of adversarial, abusive, or aggressive behavior. They are aching to abandon the abuse and aggression."


>>> for pattern in pattern_list:
...     l = fnmatch.filter(string_input.split(), pattern)
...     if l:
...             print pattern, "match", l

生产：

abandon* match ['abandoned', 'abandon']
abuse* match ['abused', 'abuse']
abusi* match ['abusive,']
aching match ['aching']
advers* match ['adversarial,']
afraid match ['afraid']
aggress* match ['aggressive', 'aggression.']
于 2013-06-12T14:55:42.580 回答
2

abandon*将匹配abandonnnnnnnnnnnnnnnnnnnnnnn，而不是abandonasfdsafdasf。你要

abandon.*

反而。

于 2013-06-12T14:51:54.160 回答
2

如果*s 都在字符串的末尾，你可能想要做这样的事情：

for pat in pattern_list:
    for w in words:
        if pat[-1] == '*' and w.startswith(pat[:-1]) or w == pat:
            # Do stuff
于 2013-06-12T14:57:09.610 回答
1

如果模式使用正则表达式语法：

m = re.search(r"\b({})\b".format("|".join(patterns)), input_string)
if m:
    # found match

使用(?:\s+|^)and(?:\s+|$)而不是\bif 单词是空格分隔的。

于 2013-06-12T15:01:35.647 回答