Python 如何将列表中的精确字符串与考虑到空格的较大字符串进行匹配？

我有一个很大的字符串列表，我想检查一个字符串是否出现在一个较大的字符串中。该列表包含一个单词的字符串以及多个单词的字符串。为此，我编写了以下代码：

example_list = ['pain', 'chestpain', 'headache', 'sickness', 'morning sickness']
example_text = "The patient has kneepain as wel as a headache"

emptylist = []
for i in example_text:
    res = [ele for ele in example_list if(ele in i)]
    emptylist.append(res)

然而，这里的问题是“pain”也被添加到了emptylist中，这是不应该的，因为我只希望在与文本完全匹配的情况下添加示例列表中的内容。我还尝试使用集合：

word_set = set(example_list)
phrase_set = set(example_text.split())
word_set.intersection(phrase_set)

---

然而，这将“晨吐”分为“晨吐”和“呕吐”。有人知道解决这个问题的正确方法吗？

您应该能够使用使用单词边界的正则表达式

>>> import re
>>> [word for word in example_list if re.search(r'\b{}\b'.format(word), example_text)]
['headache']

---

这与

'kneepain'

中的

'pain'

不匹配，因为它不是以单词边界开头的。但是它会正确地匹配包含空格的子字符串。

使用PyParsing:

将pyparsing导入为pp
示例_list=[‘疼痛’、‘胸痛’、‘头痛’、‘恶心’、‘晨吐’]
示例\u text=“患者有膝盖疼痛和头痛晨吐”
匹配项列表=[]
对于示例_列表中的单词：
规则=pp.OneOrMore（pp.Keyword（单词））
对于rule.scanString中的t、s、e（示例文本）：
如果t：
匹配项的列表。追加（t[0]）
打印（匹配项列表）

这将产生：

[‘头痛’、‘恶心’、‘晨吐’]

会员们在这篇文章中已经提供了很好的例子

我对疼痛不止一次的匹配文本进行了挑战。我还想了解更多关于比赛地点的信息。我最终得到了以下代码

我写了下面的句子

“患者不仅有膝盖疼痛，还有头痛、手臂疼痛、胃痛和疾病”

重新导入
从集合导入defaultdict
示例_list=[‘疼痛’、‘胸痛’、‘头痛’、‘恶心’、‘晨吐’]
示例_text=“患者不仅有膝盖疼痛，还有头痛、手臂疼痛、胃痛和疾病”
TruthFalseDict=defaultdict（列表）
对于示例_列表中的i：
MatchedTruths=re.finditer（r'\b%s\b'%i，示例\u文本）
如果匹配实际情况：
对于j in matchedTruth：
TruthFalseDict[i].append（j.start（））
打印（dict（真假dict））

上面给出了以下输出

{'pain'：[55,69]，'头痛'：[38]，'disease'：[78]}

您可能需要使用regex，您可以在网上找到大量的资源。正如Stefan所说，如何处理诸如“痛苦”之类的单词？哎呀，需要在子字符串的前后都有一个单词边界。编辑以解决此问题。

example\u text=“患者有膝盖疼痛和头痛晨吐”

导致

[“头痛”、“恶心”、“晨吐”]

@Raphael，从技术上讲，根据OP的问题描述，这将是正确的输出。感谢@CoryKramer，这对示例有效，但当我尝试将其应用于70000多个术语的实际列表时，我得到

错误：位置55处的不平衡括号。谷歌让我转义括号，但我不明白怎么做？嗨，拉斐尔，谢谢你的回答！看起来这个答案最适合我的情况。不过我还有一个问题，我的列表包含74000个值，大多数需要匹配的文本在30到180个单词之间。这使得代码需要很长时间才能运行。您知道如何使此代码更高效/运行更快吗？运行需要多长时间？是由于列表的原因还是由于解析本身的原因需要更长的时间？列表非常慢，如果可以，请使用set（）或dict（），现在请使用“pp.OneOrMore”进行尝试。我编辑了答案。您还可以拆分列表并使用多处理作为最后手段。看看这篇文章（关于在python中附加到列表的速度有多慢）：对于30个单词的文本，ZeroOrMore的时间是80秒，而现在使用OneOrMore的时间是30秒。问题在于我怀疑列表的长度，因为当我将列表缩短时，代码会立即运行。您的意思是我应该尝试将我的
示例列表
更改为字典或集合，还是我应该更改
示例列表中的匹配项
？时间接收器可能不是更新
示例列表中的匹配项
所需的时间，而是您在
示例列表
中对每个条目扫描一次输入的事实。您可以使用
rule=pp.oneOf（example\u list，asKeyword=True）
创建一个合并规则（尽管有74000个条目，创建此规则需要一段时间）。然后，您可以对所有不同的文本重复使用此规则（不要每次都重新创建它）。