Python：是否有快捷方式来查找字符串中的哪个子字符串（来自一组子字符串）？

Question

假设我有一个字符串：

s = "Hello, stack exchange. Let's solve my query"

假设我有 3 个子字符串

s1 = "solve"
s2 = "stack"
s3 = "Not present"

是否有快捷方式来确定 s 中哪个子字符串先出现？

我知道，我可以编写一个函数来查找 substrs 的索引，可能将 substr-index 对存储在字典中，然后比较所有非负索引，但是有更短的方法或 pythonic 的方法吗？

Answer 1

您可以使用生成器查找所有位置，并使用min() 查找最左侧的位置：

positions = (s.find(sub), sub) for sub in (s1, s2, s3))
leftmost = min((pos, sub) for pos, sub in positions if pos > -1)[1]

这对每个子字符串只运行一次s.find()，过滤掉任何不存在的子字符串。如果根本没有匹配的子字符串，min() 将抛出 ValueError 异常；你可能想抓住它。

这确实会扫描字符串 3 次；如果测试的子字符串的数量足够大，您可能希望构建一个 trie structure，将索引循环到 s 并测试该位置的字符是否存在于 trie 中：

def make_trie(*words):
     root = {}
     for word in words:
         current = root
         for letter in word:
             current = current.setdefault(letter, {})
         # insert sentinel at the end
         current[None] = None
     return root

def find_first(s, trie):
    for i in range(len(s)):
        pos, current, found = i, trie, []
        while pos < len(s) and s[pos] in current:
            found.append(s[pos])
            current = current[s[pos]]
            if None in current:  # whole substring detected
                return ''.join(found)
            pos += 1

leftmost = find_first(s, make_trie(s1, s2, s3))

trie 可以重复用于多个字符串。

Answer 2

另一种使用正则表达式的方法是：

import re
s = "Hello, stack exchange. Let's solve my query"
s1 = "solve"
s2 = "stack"
s3 = "Not present"
r1 = re.compile('|'.join([s1,s2,s3]))
r1.findall(s)

这将返回一个这样的列表：

['stack', 'solve']

从列表的索引中你可以得到哪个搜索字符串首先出现。

Answer 3

这是执行此操作的最短方法。 创建一个正则表达式，并使用 re.search 在第一次匹配时中断。

import re
inputs = ['solve','stack','Not present']
s = "Hello, stack exchange. Let's solve my query"
match = re.search(re.compile('|'.join(inputs)),s)
print(match.group())
#returns 'stack'

演示：http://codepad.org/qoFtkQys

Answer 4

你可以试试这个：

first_substr = min([(s.find(substr),substr) for substr in [s1, s2, s3] if s.find(substr)!=-1])[1]

谢谢