Python：如何在字符串列表中找到最匹配的字符串

我将尝试详细解释我需要什么：

我正在使用feedparser解析Python中的RSS提要。当然，这个提要有一个项目列表，带有标题、链接和描述，就像普通的RSS提要一样

另一方面，我有一个字符串列表，其中包含一些我需要在项目描述中找到的关键字

我需要做的是查找关键字匹配最多的项目

例如：

RSS源

因此，在本例中，匹配最多（唯一）的项是第一个，因为它包含所有4个关键字（不管它说的是“cats”而不是“cat”，我只需要在字符串中找到文本关键字）

让我澄清一下，即使某些描述包含“cat”关键字100次（其他关键字都没有），这也不会是赢家，因为我要查找的是包含最多的关键字，而不是出现最多次的关键字

现在，我在rss项目上循环并“手动”执行，计算关键字出现的次数（但我遇到了上面一段中提到的问题）

我对Python非常陌生，我来自另一种语言（C#），因此如果这是一个非常琐碎的问题，我很抱歉

---

你将如何解决这个问题？其他答案非常优雅，但对于现实世界来说可能太简单了。它们可能破裂的一些方式包括：

texts = [ "The lion (Panthera leo) ...", "Panthera ...", "..." ]
keywords  = ['cat', 'lion', 'panthera', 'family']

# gives the count of `word in text`
def matches(text):
    return sum(word in text.lower() for word in keywords)

# or inline that helper function as a lambda:
# matches = lambda text:sum(word in text.lower() for word in keywords)

# print the one with the highest count of matches
print max(texts, key=matches)

• 部分单词匹配-是否“cat”匹配“concatenate”？“猫”怎么样
• 区分大小写-是否“cat”与“cat”匹配？“猫”怎么样

我下面的解决方案考虑了这两种情况

import re

test_text = """
Cat?

The domestic cat is a small, usually furry, domesticated, 
carnivorous mammal. It is often called the housecat, or simply the 
cat when there is no need to distinguish it from other felids and felines.
"""

wordlist = ['cat','lion','feline']
# Construct regexp like r'\W(cat|lionfeline)s?\W'
# Matches cat, lion or feline as a whole word ('cat' matches, 'concatenate'
# does not match)
# also allow for an optional trailing 's', so that both 'cat' and 'cats' will
# match.
wordlist_re = r'\W(' + '|'.join(wordlist) + r')(s?)\W'

# Get list of all matches from text. re.I means "case insensitive".
matches = re.findall(wordlist_re, test_text, re.I)

# Build list of matched words. the `[0]` means first capture group of the regexp
matched_words = [ match[0].lower() for match in matches]

# See which words occurred
unique_matched_words = [word for word in wordlist if word in matched_words]

# Count unique words
num_unique_matched_words = len(unique_matched_words)

输出如下所示：

>>> wordlist_re
'\\W(cat|lion|feline)(s?)\\W'
>>> matches
[('Cat', ''), ('cat', ''), ('cat', ''), ('feline', 's')]
>>> matched_words
['cat', 'cat', 'cat', 'feline']
>>> unique_matched_words
['cat', 'feline']
>>> num_unique_matched_words
2
>>> 

---

下面的答案都很好，但请注意部分匹配（是否将

串联

视为出现

cat

？）和大写（是否将

cat

视为匹配？是否将

cat

？）是的，现在将“串联”视为出现“cat”，不必区分大小写。谢谢你的警告，这是一个了不起的解决方案。你介意解释一下这个代码是如何工作的吗？我现在正在阅读Python中的lambda。有一个到小写的转换。@NiklasB。是的，你是对的，我刚刚替换了max函数中的'text'参数：

[x.lower（）代表文本中的x]

@emzero:你也可以做

求和（word in text.lower（）代表关键字中的word）

@NiklasB。对，更好，因为它打印的是原始字符串，而不是小写的。谢谢。根据问题，部分匹配是可以的，搜索应该不区分大小写。旁注：不区分大小写的regexp有时是个坏主意（它们有时会因为回溯而变慢）。您可以

lower（）

首先查看整个字符串，但要小心unicode字符串（什么是

'Гааааааааааааа（）

？）

import re

test_text = """
Cat?

The domestic cat is a small, usually furry, domesticated, 
carnivorous mammal. It is often called the housecat, or simply the 
cat when there is no need to distinguish it from other felids and felines.
"""

wordlist = ['cat','lion','feline']
# Construct regexp like r'\W(cat|lionfeline)s?\W'
# Matches cat, lion or feline as a whole word ('cat' matches, 'concatenate'
# does not match)
# also allow for an optional trailing 's', so that both 'cat' and 'cats' will
# match.
wordlist_re = r'\W(' + '|'.join(wordlist) + r')(s?)\W'

# Get list of all matches from text. re.I means "case insensitive".
matches = re.findall(wordlist_re, test_text, re.I)

# Build list of matched words. the `[0]` means first capture group of the regexp
matched_words = [ match[0].lower() for match in matches]

# See which words occurred
unique_matched_words = [word for word in wordlist if word in matched_words]

# Count unique words
num_unique_matched_words = len(unique_matched_words)

>>> wordlist_re
'\\W(cat|lion|feline)(s?)\\W'
>>> matches
[('Cat', ''), ('cat', ''), ('cat', ''), ('feline', 's')]
>>> matched_words
['cat', 'cat', 'cat', 'feline']
>>> unique_matched_words
['cat', 'feline']
>>> num_unique_matched_words
2
>>>