Skip to main content
 首页 » 编程设计

python之使用正则表达式在字符串中查找子词

2025年02月15日19lidabo

在试图解决this challenge (我粘贴在这个问题的底部)使用 Python 3,下面两个提议的解决方案中的第一个,通过了所有测试用例,而第二个没有。因为,在我看来,他们做的几乎一样,这让我很困惑。为什么第二段代码不起作用?
这一定是非常明显的事情,因为第二个未通过大多数测试用例,但在通过自定义输入工作后,我仍然无法弄清楚。

工作解决方案:

import re 
import sys 
 
lines = sys.stdin.readlines() 
 
n=int(lines[0]) 
q=int(lines[n+1]) 
 
N=lines[1:n+1] 
S=lines[n+2:] 
 
text = "\n".join(N) 
for s in S: 
    print(len(re.findall(r"(?<!\W)(?="+s.strip()+r"\w)", text))) 

splinter 的“解决方案”:

import re 
import sys 
 
lines = sys.stdin.readlines() 
 
n=int(lines[0]) 
q=int(lines[n+1]) 
 
N=lines[1:n+1] 
S=lines[n+2:] 
 
for s in S: 
    total=0 
    for string in N: 
        total += len(re.findall("(?<!\W)(?="+s.strip()+"\w)", string)) 
    print(total) 

我们将单词字符定义为以下任何一种:

  • 一个英文字母(即 a-z 和 A-Z)。
  • 十进制数字(即 0-9)。
  • 下划线(即 _,对应 ASCII 值)。

我们将单词定义为一个或多个单词字符的连续序列,其前后有一个或多个非单词字符或行终止符。例如,在字符串 I l0ve-cheese_? 中,单词是 I、l0ve 和 cheese_。

我们定义一个子词如下:

  • 一系列单词字符(即英文字母、 数字和/或下划线)以完全相同的顺序出现(即 作为一个连续的序列)在另一个词中。
  • 它的前面和后面只有单词字符。

给定由一个或多个由非单词字符分隔的单词组成的句子,处理查询,其中每个查询由一个字符串组成,.要处理每个查询,计算所有句子中作为子词的出现次数,然后在新行上打印出现次数。

输入格式

第一行包含一个整数n,表示句子的数量。 随后的每一行都包含一个由非单词字符分隔的单词组成的句子。 下一行包含一个整数,表示查询的数量。 后续行中的每一行都包含一个字符串 ,以供检查。

约束

  • 1 ≤ n ≤ 100
  • 1 ≤ q ≤ 10

输出格式

对于每个查询字符串,打印它在所有句子的所有单词中作为子词出现的总次数。

示例输入

1 
existing pessimist optimist this is 
1 
is 

示例输出

3 

解释

我们必须计算 is 作为输入句子中的子词出现的次数:

  • 作为 existing 的子词出现。
  • 作为悲观者的子词出现。
  • 作为 optimist 的子词出现。
  • 虽然是单词this的子串,但后面跟着一个空格 空间;因为空格不是字母、非数字,也不是 下划线,我们不将其计为子词出现。
  • 虽然是句子中单词is的一个子串,我们不计入 它作为匹配项,因为它之前和之后都是非单词 句子中的字符(即空格)。这意味着 不算作子词出现。

接下来,我们将所有单词的子单词的出现次数加起来为 1+1+1+0+0=3。因此,我们在新行上打印 3。

请您参考如下方法:

  1. 如果不将您的字符串指定为原始字符串,则正则表达式元字符实际上会被解释为特殊转义字符,并且模式不会如您预期的那样匹配。

  2. 由于您不再查看多行字符串内部,因此您需要将负向后视修改为正向后视:(?<=\w)

  3. 正如 Wiktor 在他的 comment 中提到的那样,转义 s.strip 是一个好主意,这样任何可以被视为正则表达式元字符的潜在字符都将被转义并按字面​​意义获取。您可以为此使用 re.escape(s.strip())。


您的代码将适用于此更改:

total += len(re.findall(r"(?<\w)(?=" + re.escape(s.strip()) + r"\w)", string))