我有一个列表l = [AA, CC, DD, EE]
我在文件中有很多字符串，我想从列表中查找包含所有确切单词的字符串。我不想获取与特定字符串匹配的单词。阅读其他SO问题，我得到建议，主要通过以下两种方式将列表合并为一个正则表达式
1. \bAA\b|\bCC\b|\bDD\b|\bEE\b ==> r"\b%s\b" % r"\b|\b".join(l)
2. \b(?:AA|CC|DD|EE)\b ==> r"\b(?:%s)\b" % "|".join(l)
上面右边提到的连接只是一个例子，并不是问题的一部分。
运行代码，它们都给出相同的正确答案，而timit给出相似的时序。
如果我不在乎列表中匹配的单词，是否像选项2一样需要分组？为什么选项2的末尾有字边界？这是否意味着它适用于括号内的所有单词，即等同于(?:\bAA\b|\bCC\b|\bDD\b|\bEE\b)？谁能指向一个提到括号属性的链接？
这两个选项是否更正确/ pythonic？
答案 0 :(得分：2)
这两个版本在逻辑上是相同的，应产生相同的结果，并且还应具有相似的性能。您实际应该使用的版本是第二个版本：
\b(?:AA|CC|DD|EE)\b
原因是它更简洁，并且避免了不必要地为交替中的每个术语重复单词边界。这个正则表达式表示匹配交替中的任何一个术语，两端都带有单词边界。关于“组”，括号内的?:实际上关闭了捕获组，因此至少从性能的角度来看，它实际上并不存在。为了避免重复每个单词的单词边界，需要使用括号，这是第一个版本的作用。