如何区分子字符串和确切的单词？答案

【问题标题】：How to distinguish between a sub-string and exact word?如何区分子字符串和确切的单词？
【发布时间】：2015-04-21 02:05:03
【问题描述】：

我正在尝试解决文本匹配问题，在该问题中我试图找到与没有不正确匹配的产品列表之间的匹配。行进是通过文本相似性完成的。问题是假设我在一个列表中有"product G1234"，在另一个列表中有"product G1"，这两个元素的所有其他功能都是相同的。 python中的string operatorin在这里不是一个好选择，因为它匹配这两个产品（它不应该），有人有什么建议吗？

【问题讨论】：

检查 EOL 和空格？
in 不是字符串函数，而是运算符。
很难理解你到底需要什么。但也许你读过 Levenshtein 距离算法？

标签： python string string-matching

【解决方案1】：

使用使用单词边界\b 的正则表达式来进行精确的单词匹配。 \b 匹配单词字符和非单词字符（反之亦然）。此处不能使用 split，因为要检查的子字符串中间包含空格。

\bsub_string\b

示例：

>>> re.search(r'\bproduct G1\b', "product G1234")
>>> re.search(r'\bproduct G1\b', "product G1")
<_sre.SRE_Match object; span=(0, 10), match='product G1'>
>>>

或

>>> re.search(r'(?<!\S)product G1(?!\S)', "product G1")
<_sre.SRE_Match object; span=(0, 10), match='product G1'>
>>> re.search(r'(?<!\S)product G1(?!\S)', "product G1234")
>>>

【讨论】：

感谢您的回答，这行得通。但是你知道re.search算法的效率吗？似乎需要一些时间，因为我正在处理兆字节的文本文件，所以我没有选择使用耗时的算法
只需遍历每一行，然后在每一行上应用上面的正则表达式。我建议你使用re.search，因为re.match会从一开始就尝试匹配输入行。
如果搜索词是 for i in Dictionary: if re.search('\\b'+i+'\\b',line): print(i,'\t',line) 之类的迭代器怎么办对吗？似乎对我有用，只是想知道是否有更好的方法。