Question

我有一个Python字典，其示例结构如下（摘录）：

items = {
    "Google": "Mountain View",
    "Johnson & Johnson": "New Brunswick",
    "Apple": "Cupertino",
}

现在我有了一个字符串，即str1。我想做的是看看字典items中的任何键是否存在于字符串str1中，例如，如果我有一个类似Where is Google based out of?的字符串。最初，我编写了此伪代码：

for str_word in str1.split():
    if str_word in items:
       print("Key found. Value is = ".format(items[str_word]))

现在这很好，因为字典键已编入索引/已散列。因此，in运算符的运行时间是恒定的，但是您会注意到，此操作对于Google或Apple之类的单词来说效果很好，但不适用于Johnson & Johnson（如果我的字符串是{ {1}}。

我可以想到的另一种方法是，首先从字典中提取所有键，然后在每个键上进行一个一个的迭代，然后查看它是否存在于Where is Jonhnson & Johnson based out of?中（与第一种方法相反）。这将增加运行时间，因为我的字典有成百上千的键。

我想知道是否有一种方法可以修改我的第一种方法，使其能够将子字符串与可能包含多个单词（例如str1的字典的键进行匹配）？

Answer 1

如果字典不变，而输入字符串却不变（您想在其中找到键作为子字符串），最快的方法之一就是使用Aho-Corasick algorithm。

算法的第一步是对字典中的字符串进行预处理，并且该操作仅在O(m)时空中与输入字符串无关地进行一次，其中m是长度的总和字典中的键。

然后，算法将在O(n + m + k)的输入字符串中查找所有出现的位置，其中 n是输入字符串的长度，而k是任何键作为输入字符串的子字符串出现的总数。

您可以搜索Aho-Corasick算法的Python实现，这样您只需要将其集成到您的代码中，而无需重写它。

Answer 2

如果字符串始终相同/具有结构，则可以使用正则表达式来匹配您要查找的键。

import re

string = 'Where is Johnson and Johnson based out of?'
match = re.search(r'Where is (.*) based out of?',string)
key = match.group(1)

当然，您应该对此进行修改以符合您的需要。

否则，我想我会采用您遍历dict键以查看它们是否与您的字符串匹配的方法。如果您使用多个键，例如str1，则拆分&可能会给您带来麻烦。

Answer 3

方法可能如下：

items = {
        "Google":"Mountain View",
        "Johnson & Johnson": "New Brunswick",
        "Apple": "Cupertino"
}

words = "Where is Johnson & Johnson based out of?".rstrip("?").split()

#find the max number of words in a key
len_max = max([len(s.split()) for s in items])

#split the sentence in consecutive words according to the maximum number of words in a key, i.e., in consecutive groups of size 1,2,...,len_max_words_in_key
to_check = [" ".join(words[i:i+j]) for j in range(1,len_max + 1) for i in range(0,len(words)+1-j)]


#check for the key
for el in to_check:
     if el in items:
        print("Key found. Value is = {}".format(items[el]))

由于句子很短，因此需要进行的检查数量很少。
例如，对于由20个单词构成的句子和最多5个单词构成的键，您需要90 = (20 + 19 + 18 + 17 + 16)在字典中进行检查。

Answer 4

对于字典中的多模式匹配，推荐的解决方案是Aho-Corasick，用于静态和动态模式匹配的aho-corasick算法

此外，您也可以将此solution用于后缀树的动态模式匹配

匹配python字典的键中是否存在子字符串的最佳方法

4 个答案: