如何在 python 正则表达式中使用 str.contains 获取所有匹配项？答案

【问题标题】：How get all matches using str.contains in python regex?如何在 python 正则表达式中使用 str.contains 获取所有匹配项？
【发布时间】：2020-07-19 05:17:00
【问题描述】：

我有一个数据框，我需要在其中找到与terms 匹配的所有可能匹配行。我的代码是

texts = ['foo abc', 'foobar xyz', 'xyz baz32', 'baz 45','fooz','bazzar','foo baz']
terms = ['foo','baz','foo baz']
# create df
df = pd.DataFrame({'Match_text': texts})
#cretae pattern 
pat = r'\b(?:{})\b'.format('|'.join(terms))
# use str.contains to find matchs
df = df[df['Match_text'].str.contains(pat)]

#create pattern
p = re.compile(pat)

#search for pattern in the column
results = [p.findall(text) for text in df.Match_text.tolist()]
df['results'] = results

输出是

Match_text  results
0   foo abc     [foo]
3   baz 45      [baz]
6   foo baz     [foo, baz]

其中，foo baz 还与第 6 行以及 foo 和 baz 匹配。我需要为terms中的所有匹配获取行

【问题讨论】：

想要的输出是什么？
我还需要与foo baz 匹配的行，即第 6 行
也许你想使用正则表达式\b(?:foo baz|foo|baz)\b。 Demo。请注意，foo baz 必须是交替中的第一个词。
是的，你的建议工作@cary。但我不能保证每次都会自动生成正常的模式。
@Raghu 试试pat = r'\b(?:{})\b'.format('|'.join(sorted(terms,key=len,reverse=True)))，对你有用吗？我不确定最终的行结果应该是什么，[foo baz] 或[foo, baz, foo baz]？我对两者都有解决方案。

标签： python regex pandas dataframe

【解决方案1】：

而不是使用正则表达式模式来检查术语的存在，

#create pattern
p = re.compile(pat)

#search for pattern in the column
results = [p.findall(text) for text in df.Match_text.tolist()]

尝试像这样在文本中使用简单的术语查找。

#search for each term in the column
results = [[term for term in terms if term in text] for text in df.Match_text.tolist()]

上面的输出如下所示，

    Match_text  results
0   foo abc [foo]
3   baz 45  [baz]
6   foo baz [foo, baz, foo baz]

注意：此方法存在时间复杂度。

【讨论】：

【解决方案2】：

较长的替代品应该在较短的替代品之前，因此，您需要按长度按降序对关键字进行排序：

pat = r'\b(?:{})\b'.format('|'.join(sorted(terms,key=len,reverse=True)))

结果将是\b(?:foo baz|foo|baz)\b 模式。它将首先尝试匹配foo baz，然后是foo，然后是baz。如果找到foo baz，则返回匹配项，然后从匹配项的末尾开始搜索下一个匹配项，因此您不会再次将找到的foo或baz与上一个匹配项匹配。

在"Remember That The Regex Engine Is Eager" 中查看更多信息。

【讨论】：