如何用优雅方式统计句子中不同指定词汇的出现次数？

针对你需要统计句子中不同目标表述（比如提及的政客数量）的需求，原来逐一定义正则、逐个判断的写法在词汇量增大时会变得繁琐，这里提供两种更简洁可扩展的实现方式：

方法一：合并正则模式，统计唯一匹配项 #

这种方式适合需要精准匹配（比如全词匹配、忽略大小写）的场景，通过合并所有目标词汇为一个正则模式，一次性找出所有匹配项后去重统计：

import re

# 维护目标词汇列表，新增/删除直接修改这里即可
targets = ['Trump', 'Biden', 'Obama']
sentence = "Trump won the republican primaries, and Biden once defeated Trump."

# 构建带单词边界的正则模式，处理特殊字符并支持大小写忽略
pattern = re.compile(
    r'\b(' + '|'.join(re.escape(t) for t in targets) + r')\b',
    re.IGNORECASE
)
# 提取所有匹配项，转集合去重后统计数量
unique_mentioned = set(pattern.findall(sentence))
count = len(unique_mentioned)

print(count)  # 输出：2（仅提到Trump和Biden）

方法二：遍历目标列表，检查存在性 #

如果需求更简单，也可以直接遍历目标列表，逐个检查词汇是否在句子中出现（同样支持全词匹配）：

import re

targets = ['Trump', 'Biden', 'Obama']
sentence = "Trump won the republican primaries, and Biden once defeated Trump."

# 用生成器表达式统计出现过的目标数量
count = sum(
    1 for t in targets
    if re.search(r'\b' + re.escape(t) + r'\b', sentence, re.IGNORECASE)
)

print(count)  # 输出：2

优势说明 #

• 可扩展性强：只需维护目标词汇列表，无需为每个词汇单独编写正则和判断逻辑
• 避免误匹配：通过\b单词边界确保匹配完整词汇，re.escape处理词汇中的特殊字符
• 灵活适配需求：可通过修改正则参数（如re.IGNORECASE）快速调整匹配规则

内容的提问来源于stack exchange，提问作者Carlos Parisotto