Question

我有一个非常大的单词列表（大约200k）：

["cat", "the dog", "elephant", "the angry tiger"]

我用模糊创建了这个正则表达式：

regex = "(cat){e<3}|(the dog){e<3}|(elephant){e<3}|(the angry tiger){e<3}"

我输入了句子：

sentence1 = "The doog is running in the field"
sentence2 = "The elephent and the kat"
...

我想得到的是：

res1 = ["the dog"]
res2 = ["elephant", "cat"]

我试过这个例子：

re.findall(regex, sentence2, flags=re.IGNORECASE|re.UNICODE)

但这会输出我：

["elephent", "kat"]

知道如何用正确的单词得到正确的答案吗？我想要的是为每场比赛获得正则表达式捕获组，但我很难这样做。

也许我没有做到这一点，也许正则表达式不是好的方式，但带if item in list循环的for太长了，无法执行。

Answer 1

可以通过手动构建正则表达式并命名组来完成：

import regex as re

a = ["cat", "the dog", "elephant", "the angry tiger"]
a_dict = { 'g%d' % (i):item for i,item in enumerate(a) } 

regex = "|".join([ r"\b(?<g%d>(%s){e<3})\b" % (i,item) for i,item in enumerate(a) ])

sentence1 = "The doog is running in the field"
sentence2 = "The elephent and the kat"

for match in re.finditer(regex, sentence2, flags=re.IGNORECASE|re.UNICODE):
    for key,value in match.groupdict().items():
        if value is not None:
            print ("%s: %s" % (a_dict.get(key), value))

elephant:  elephent
cat:  kat

以模糊的方式获得正则表达式组

1 个答案: