我正在使用 Python，我想将给定的字符串与多个子字符串匹配。我试图以两种不同的方式解决这个问题。我的第一个解决方案是将子字符串与如下字符串匹配:
str = "This is a test string from which I want to match multiple substrings"
value = ["test", "match", "multiple", "ring"]
temp = []
temp.extend([x.upper() for x in value if x.lower() in str.lower()])
print(temp)
结果是 temp = ["TEST", "MATCH", "MULTIPLE", "RING"]。
然而，这不是我想要的结果。子字符串应完全匹配，因此“ring”不应与“string”匹配。
这就是为什么我尝试用正则表达式来解决这个问题，像这样:
str = "This is a test string from which I want to match multiple substrings"
value = ["test", "match", "multiple", "ring"]
temp = []
temp.extend([
x.upper() for x in value
if regex.search(
r"\b" + regex.escape(x) + r"\b", str, regex.IGNORECASE
) is not None
])
print(temp)
结果是 ["TEST", "MATCH", "MULTIPLE"]，正确的解决方案。
尽管如此，此解决方案的计算时间过长。我必须对大约 100 万个字符串进行此检查，与使用第一个解决方案所需的 1.5 小时相比，使用正则表达式的解决方案需要数天才能完成。
有没有办法让第一个解决方案起作用，或者使第二个解决方案运行得更快？
value 也可以包含数字，或者像“test1 test2”这样的短语。
请您参考如下方法:
在没有看到实际数据的情况下很难提出最佳解决方案，但您可以尝试以下操作:
- 生成匹配所有值的单个模式。这样您只需搜索一次字符串(而不是每个值一次)。
- 跳过转义值，除非它们包含特殊字符(如
'^'或'*')。 - 使用列表理解创建结果列表，而不是重复调用
list.extend()。
# 'str' is a built-in function, so use another name instead
string = 'A Test test string from which I want to match multiple substrings'
values = ['test', 'test2', 'Multiple', 'ring', 'match']
pattern = r'\b({})\b'.format('|'.join(map(re.escape, values)))
# unique matches, uppercased
matches = set(map(str.upper, re.findall(pattern, string, regex.IGNORECASE)))
# arrange the results as they appear in `values`
matched_values = [v for value in values if (v := value.upper()) in matches]
print(matched_values) # ['TEST', 'MULTIPLE', 'MATCH']
