Question

我有一个名单列表，我试图从字符串列表中提取出来。我不断得到部分匹配等误报。另一个需要注意的是，我希望在适用的情况下也可以使用姓氏。

names = ['Chris', 'Jack', 'Kim']
target = ['Chris Smith', 'I hijacked this thread', 'Kimberly','Christmas is here', 'CHRIS']

desired_output = ['Chris Smith', 'Kimberly', 'CHRIS']

我试过这段代码：

[i for e in names for i in target if i.startswith(e)]

这可以预见地回归克里斯史密斯，圣诞节就在这里，还有金伯利。

我最好如何处理这个问题？使用正则表达式还是可以使用列表推导完成？性能可能是一个问题，因为真实姓名列表的名称长度约为880,000。

（python 2.7）

编辑：我已经意识到我在这个例子中的标准是不切实际的，因为在排除圣诞节时想要包括金伯利的不可能的要求就在这里。为了缓解这个问题，我找到了一个更完整的名单，其中包括变体（包括Kim和Kimberly）。

Answer 1

完全猜测（再次）因为我看不出你如何给出Christmas is here任何合理的标准：

这将匹配任何包含任何以单词名称开头的单词的目标...

names = ['Chris', 'Jack', 'Kim']
target = ['Chris Smith', 'I hijacked this thread', 'Kimberly','Christmas is here', 'CHRIS']

import re
matches = [targ for targ in target if any(re.search(r'\b{}'.format(name), targ, re.I) for name in names)]
print matches
# ['Chris Smith', 'Kimberly', 'Christmas is here', 'CHRIS']

如果您将其更改为\b{}\b' - then you'll get ['Chris Smith', 'CHRIS']，那么您将失去Kim ...

Answer 2

这有用吗？

names = ['Chris', 'Jack', 'Kim']
target = ['Chris Smith', 'I hijacked this thread', 'Kimberly','Christmas is here', 'CHRIS']

res = []
for tof in target:
    for name in names:
        if tof.lower().startswith(name.lower()):
            res.append(tof)
            break
print res

Answer 3

没有确定的方法来放弃比赛'圣诞节在这里'，因为系统可能无法确定圣诞节是名字还是其他东西。相反，如果你想加快这个过程，你可以尝试这种O（n）方法。我还没有计时，但肯定比你或者提议的解决方案更快。

from difflib import SequenceMatcher
names = ['Chris', 'Jack', 'Kim']
target = ['Chris Smith', 'I hijacked this thread', 'Kimberly','Christmas is here', 'CHRIS']
def foo(names, target):
    #Create a generator to search the names
    def bar(names, target):
            #which for each target
        for t in target:
                    #finds the matching blocks, a triplet, (i, j, n), and means that a[i:i+n] == b[j:j+n]
            match = SequenceMatcher(None,names, t).get_matching_blocks()[0]
                    #match.size == 0 means no match
                    #and match.b > 0 means match does not happens at the start
            if match.size > 0 and match.b == 0:
                            #and generate the matching target
                yield t
    #Join the names to create a single string
    names = ','.join(names)
    #and call the generator and return a list of the resultant generator
    return list(bar(names, target))

>>> foo(names, target)
['Chris Smith', 'Kimberly', 'Christmas is here', 'CHRIS']

Answer 4

根据你的描述，我得到的规则是：

忽略此案;
目标字必须是关键字的首字母。
如果目标词不是关键词，则目标词必须是句子中唯一的词。

试试这个：

names = ['Chris', 'Jack', 'Kim']
target = ['Chris Smith', 'I hijacked this thread', 'Kimberly','Christmas is here', 'CHRIS']
desired_output = ['Chris Smith', 'Kimberly', 'CHRIS']

actual_output = []
for key in names:
    for words in target:
        for word in words.split():
            if key.lower() == word.lower():
                actual_output.append(words)
            elif key.lower() == word.lower()[:len(key)] and len(words.split()) == 1:
                actual_output.append(words)
print(actual_output)

它将输出完全作为您想要的输出（顺便说一下，你确定你真的想要这个吗？）。不要被3层循环挫败。如果您有N个名字和M个句子，并且每个句子中的单词数量有限，那么此代码的复杂性为O(mn)，这是不可能更好的。

根据另一个列表中的值搜索列表

4 个答案: