Python 在多个文件中搜索多个子字符串的索引

我有两个数据帧，如下所示：

df1 : contains one variable ['search_term'] and 100000 rows 

这些是我想在我的文件中搜索的单词/短语

df2: contains parsed file contents in a column called file_text

此数据框中有20000行和两列['file\u name'，'file\u text']

我需要的是文件文本中搜索词的每个外观的索引

我想不出一个有效的方法来执行此搜索

我将str.find（）函数与groupby一起使用，但每个文件\文本搜索词大约需要0.25秒（如果有20k个文件*100k个搜索词，这会变得非常长）

---

任何快速有效的方法都是救命稻草

我记得在我们的一个项目中必须做类似的事情。我们有一个非常大的关键字集，我们想在一个大字符串中搜索它们，并找到所有出现的关键字。让我们调用要在

content

中搜索的字符串。经过一些基准测试后，我采用的解决方案是两次通过的方法：首先使用高度优化的

in

操作符检查

内容中是否存在关键字，然后使用正则表达式查找所有出现的关键字

import re

keywords = [...list of your keywords ...]
found_keywords = []

for keyword in keywords:
    if keyword in content:
        found_keywords.append(keyword)

for keyword in found_keywords:
    for match in re.finditer(keyword, content):
        print(match.start())

我记得在我们的一个项目中不得不做类似的事情。我们有一个非常大的关键字集，我们想在一个大字符串中搜索它们，并找到所有出现的关键字。让我们调用要在
content
中搜索的字符串。经过一些基准测试后，我采用的解决方案是两次通过的方法：首先使用高度优化的
in
操作符检查
内容中是否存在关键字，然后使用正则表达式查找所有出现的关键字

import re

keywords = [...list of your keywords ...]
found_keywords = []

for keyword in keywords:
    if keyword in content:
        found_keywords.append(keyword)

for keyword in found_keywords:
    for match in re.finditer(keyword, content):
        print(match.start())

用输入和预期输出将问题缩短为一个具有代表性的示例。基本上，看看如何提供一个新的框架。如果你有工作代码并且你想改进它，你在这里会有更好的机会：你所说的
dataframe
是什么意思？我从来没有听说过这样的事情。如果你正在寻找精确的匹配，考虑<代码> Re/COD>引擎已经做了非常相似的事情。事实上，我们确实尝试过，但它的性能并没有超过
re.finditer
。请将您的问题简化为一个具有代表性的示例，其中包含输入和预期输出。基本上，看看如何提供一个新的框架。如果你有工作代码并且你想改进它，你在这里会有更好的机会：你所说的
dataframe
是什么意思？我从来没有听说过这样的事情。如果你正在寻找精确的匹配，考虑<代码> Re/COD>引擎已经做了非常相似的事情。事实上，我们确实尝试过，但它的性能并没有超过
re.finditer
。