如何遍历文档列表提取所有以指定关键词开头的单词？

原代码的问题在于re.search仅会返回每行中的第一个匹配结果，因此会漏掉同一行内多次出现的目标单词。要获取所有匹配项，需要改用re.findall，同时调整正则表达式以适配单词在句首、句尾的情况：

import re
doc_list = ['welcome to python tutorial', 'you are welcome to python_one tutorial',  'welcome python_two tutorial python_three tutorial', 'hello python', 'hello python_four world']

output = []
keyword = 'python'
for line in doc_list:
    # 匹配所有以指定关键词开头的完整单词
    matches = re.findall(r'\b' + re.escape(keyword) + r'\w*\b', line)
    output.extend(matches)
    
print(output)

关键改进点： #

• 用re.findall替代re.search：该方法会返回当前字符串中所有符合正则规则的匹配项，而非仅第一个
• 使用\b单词边界：确保匹配的是完整单词，避免误匹配包含关键词的其他字符串（比如xpython）
• re.escape(keyword)：对关键词进行转义，防止关键词中包含正则特殊字符（如.、*）时导致匹配出错
• \w*：匹配关键词后续的字母、数字或下划线，适配python_one这类带后缀的单词格式

运行上述代码后，输出结果为：['python', 'python_one', 'python_two', 'python_three', 'python', 'python_four']，完全覆盖所有目标单词。

内容的提问来源于stack exchange，提问作者Milind