python - python搜索文件以获取单词列表

Question

首先，我开始尝试使用以下代码在文件中搜索一个单词：

import re

shakes = open("tt.txt", "r")

for line in shakes:
    if re.match("(.*)(H|h)appy(.*)", line):
        print line,

但是如果我需要检查多个单词怎么办？我在想也许像for循环这样的东西可以工作，每次都在文件中搜索列表中的不同单词。

你觉得这样方便吗？

Answer 1

只需将 word_list 加入|为分隔符即可。(?i)不区分大小写修饰符有助于进行不区分大小写的匹配。

for line in shakes:
    if re.search(r"(?i)"+'|'.join(word_lst), line):
        print line,

例子：

>>> f = ['hello','foo','bar']
>>> s = '''hello
hai
Foo
Bar'''.splitlines()
>>> for line in s:
        if re.search(r"(?i)"+'|'.join(f), line):
            print(line)


hello
Foo
Bar

没有正则表达式：

>>> f = ['hello','foo','bar']
>>> s = '''hello
hai
Foo
Bar'''.splitlines()
>>> for line in s:
        if any(i.lower() in line.lower() for i in f):
            print(line)


hello
Foo
Bar

Answer 2

另一个想法是使用set.

下面的代码假定文件中的所有单词都用空格分隔，这word_list就是要查找的单词列表。

shakes = open("tt.txt", "r")
words = set(word_list)
for line in shakes:
    if words & set(line.split()):
        print line,

如果要进行不区分大小写的搜索，可以将每个字符串转换为小写：

shakes = open("tt.txt", "r")
words = set(w.lower() for w in word_list)
for line in shakes:
    if words & set(line.lower().split()):
        print line,

Answer 3

我认为在这里使用正则表达式不是pythonic，因为正则表达式有点隐含。因此，如果速度无关紧要，我会使用循环：

def find_word(word_list, line):
    for word in word_list:
        if word in line:
            return line

with open('/path/to/file.txt') as f:
    result = [find_word(word_list, line.lower()) for line in f.readlines()]