使用正则表达式在Python中查找字符串的三个部分

我有三个字符串，它是三个组件的串联：

• 列表1中的一个单词（包括空字符串）
• 清单2中的一个单词
• 列表3中的一个单词（包括空字符串）

列表1、2和3最多可包含5000个元素。一个列表中的元素不在其他列表中（空字符串除外）。然而，有些词可以是其他词的一部分

我正在寻找一种有效的方法来找到这三个组成部分。现在我正在做以下工作：

for word in list2:
    if word in long_word:
        try:
           [bef, aft] = long_word.split(word)
        except ValueError: # too many values to unpack
           continue
        if bef in list1 and aft in list3:
           print('Found: {}, {}, {}'.format(bef, word, aft))
           break
else:
    print('Not found')

我想知道是否有更好的办法。我想在正则表达式中使用管道。但是，正如我所得到的，替代方案的数量似乎太多了：OverflowerError：正则表达式代码大小超出了限制

谢谢

更新 我尝试了建议解决方案的修改版本：

def fj(long_word, list1, list2, list3):
    for x in filter(long_word.startswith, list1):
        for y in filter(long_word[len(x):].startswith, list2):
            z = long_word[len(x)+len(y):]
            if z in list3:
                yield x, y, z

def sid(long_word, list1, list2, list3):
    for w1 in list1:
        if not long_word.startswith(w1):
            continue
        cut1 = long_word[len(w1):]
        for w2 in list2:
           if not cut1.startswith(w2):
               continue
           cut2 = cut1[len(w2):]
           for w3 in list3:
               if cut2 == w3:
                   yield w1, w2, w3

def my(long_word, list1, list2, list3):
    for word in list2:
        if word in long_word:
            try:
               [bef, aft] = long_word.split(word)
            except ValueError: # too many values to unpack
               continue
            if bef in list1 and aft in list3:
               yield bef, word, aft

这是我使用8000个元素重复10000次的列表得到的计时（标准化）结果，每次从每个列表中随机选取一个单词来生成长单词

• my:1.0
• sid:4.5
• 福建：2.7

---

我真的很惊讶，因为我认为fj的方法将是最快的。

正则表达式可能不太适合这里，我可能会这样做：

for x in filter(long_word.startswith, list1):
    for y in filter(long_word[len(x):].startswith, list2):
        z = long_word[len(x)+len(y):]
        if z in list3:
            print('Found: {}, {}, {}'.format(x, y, z))
            break
    else:
        continue
    break
else:
    print('Not found')

---

一个简单的算法是运行3个循环：

for w1 in list1:
    p1=re.match(w1,s)
    if p1==None:
        continue
    for w2 in list2:
       p2=re.match(w2,s[p1.pos+len(w1):])  
       if p2==None:
         continue
       for w3 in list3:
           p3=re.match(w3,s[p2.pos+len(w2):])  

---

我认为您仍然会遇到list1的子字符串作为list2的一部分的问题。F.J的方法可能更好。

我的回答并不能完全回答你的问题，但它确实提醒了我们在这个问题中要处理的问题

列表1、2和3最多可包含5000个元素

这意味着列表1、2和3是相同的。从这里开始，我将列表1表示为A，列表2表示为B，列表3表示为C

• 列表1中的一个单词（包括空字符串）
• 清单2中的一个单词
• 列表3中的一个单词（包括空字符串）

因此，空字符串（lambda）位于A和C中

您有一个字符串w，它可以用

w=abc

其中a是a中的字符串，b是b中的字符串，c是c中的字符串

您试图做的是将w拆分为子字符串a、b和c

由于a可以为空，c可以为空，因此您有以下几种可能性：

w=abc

w=ab

w=bc

w=b

首先，让我们消除#4的琐碎场景

---

当我仔细考虑这一点时，我会提供更多信息。

您将性能与不完整的解决方案进行比较（

除了ValueError:

将继续非常快，但会给您错误的结果-特别是如果列表2中有大量重复的单词，列表中或列表之间没有重复的单词。此外，在我的测试脚本中，我比较了所有三个脚本的结果，我总是得到相同的结果。那么你应该

提高
，而不是
继续
。。。或者至少打印一些调试消息-例如，您可以在列表1中显示“aaa”，在列表2中显示“aa”-即使您的测试结果是正确的，您的脚本也可能会在可能匹配但数据不匹配的情况下过早失败（当然，更正后可能会更快），谢谢您的评论！。这是一个很好的观点。我在你的作品中找到了一个更快的版本。请参阅我对该问题的更新。
if w in B:
  a = ""
  b = w
  c = ""
  print('Found: {}, {}, {}'.format(a, b, c))