Python实现从文本文件中匹配DataFrame内多字符串的问题求助

首先，你的代码没返回结果大概率是两个核心问题：整行匹配的逻辑不符合实际需求，以及可能存在大小写不匹配的情况。原代码是判断文件的整行内容是否完全等于DataFrame里的某个字符串，但实际场景中，我们通常需要找的是目标字符串是否是文件行的子串（比如文件里写着"I eat an apple"，你要匹配到"apple"），而不是整行完全一致。另外如果文件里的字符串大小写和DataFrame里的不一致（比如文件里是"Apple"，DataFrame里是"apple"），也会导致匹配失败。

下面是针对单个文件的修复代码，同时兼顾多词字符串、大小写统一和效率优化：

import pandas as pd

# 示例数据
data = ['apple', 'orange', 'banana', 'red apple']
df = pd.DataFrame(data, columns=['Fruit'])

# 1. 创建小写到原字符串的映射，既统一匹配规则，又保留原字符串的大小写
lower_to_original = {s.lower(): s for s in df['Fruit'].values}
# 2. 把目标字符串的小写形式存为集合，提升查找效率（几千个字符串时优势明显）
target_strings_lower = set(lower_to_original.keys())

file_name = '1.txt'
with open(file_name, 'r') as f:
    for line in f:
        # 把当前行转成小写，统一匹配规则
        line_lower = line.strip().lower()
        # 检查每个目标字符串是否是当前行的子串
        matched_strings = set()
        for target in target_strings_lower:
            if target in line_lower:
                matched_strings.add(lower_to_original[target])
        # 输出每个匹配到的结果（去重，避免同一行多次匹配同一个字符串）
        for string in matched_strings:
            print(f"{file_name} | {string}")

代码关键优化点： #

• 子串匹配替代整行匹配：不再要求文件行完全等于目标字符串，只要目标字符串出现在行内就能匹配，解决多词字符串的问题（比如匹配"red apple"这种短语）
• 大小写统一处理：把目标字符串和文件行都转成小写后匹配，避免大小写差异导致的漏匹配，同时通过映射保留原字符串的大小写输出
• 集合提升效率：用集合存储目标字符串，in操作的时间复杂度从O(n)降到O(1)，处理数千个字符串时性能提升明显
• 去重处理：同一行里多次出现同一个目标字符串时，只输出一次结果

扩展到多文件场景 #

如果要遍历文件夹下的所有txt文件，可以结合os模块实现：

import os
import pandas as pd

data = ['apple', 'orange', 'banana', 'red apple']
df = pd.DataFrame(data, columns=['Fruit'])

lower_to_original = {s.lower(): s for s in df['Fruit'].values}
target_strings_lower = set(lower_to_original.keys())

# 替换成你的目标文件夹路径
folder_path = './text_files'

for filename in os.listdir(folder_path):
    if filename.endswith('.txt'):
        file_path = os.path.join(folder_path, filename)
        with open(file_path, 'r') as f:
            for line in f:
                line_lower = line.strip().lower()
                matched_strings = set()
                for target in target_strings_lower:
                    if target in line_lower:
                        matched_strings.add(lower_to_original[target])
                for string in matched_strings:
                    print(f"{filename} | {string}")

内容的提问来源于stack exchange，提问作者lr53