正则表达式最佳实践：使用正则表达式匹配多个短语是否可以？

Question

我有一个短语列表，每个短语的长度不应超过5个字，我想看看这些短语中是否有任何一个短语。

我想写这样的东西：

my_phrases = ['Hello world', 'bye world', 'something something'....]
my_regex = re.compile('|'.join(my_phrases))

my_iter = re.finditer(my_regex, text)

但我有点担心这（第2行）不被认为是一种好习惯。有人能告诉我这是否可行？如果没有，在文本中匹配多个短语的最佳方法是什么？

Answer 1

我想说你的方法只缺少一件好事：处理原始短语列表中的特殊字符：想象列表是

['oh, really?', 'definitely!', 'no, never.']

那么你的正则表达式也会匹配＆＃34;哦，这就是＆＃34;因为？意味着＆＃34; y＆＃34;成为可选的，它也会匹配＆＃34;不，无休止的故事＆＃34;因为＆＃34;。＆＃34;意味着＆＃34;任何角色＆＃34;。

制作代码＆＃34;最佳实践＆＃34;你需要将字符串传递给一个逃避这些特殊字符的函数，幸运的是re.escape就是这样一个函数，所以你可以简单地用它来map所有的字符串：

my_phrases = ['Hello world', 'bye world', 'something something'....]
my_regex = re.compile('|'.join(map(re.escape, my_phrases)))
my_iter = re.finditer(my_regex, text)

或（更具可读性）：

my_phrases = ['Hello world', 'bye world', 'something something'....]
my_phrases_escaped = map(re.escape, my_phrases)
my_regex = re.compile('|'.join(my_phrases_escaped))
my_iter = re.finditer(my_regex, text)

Answer 2

从'最佳做法'的角度来看，我没有看到任何问题。毕竟，我能想到的唯一算法是一个接一个地尝试这些短语，直到一个匹配。你的正则表达式确实如此。如果你想将它与两个空格而不是一个空格匹配到“Hello world”，那么它可能有点过于严格。在这种情况下，正则表达式是要走的路，你只需要制作它们'Hello\s+world'等等。