如何改进Python字符串匹配代码以识别‘Jakarta Barat’而非‘Jakarta’

原代码的问题在于将推文拆分为单个单词逐一匹配，无法识别Jakarta Barat这类由多个单词组成的城市名。以下是优化后的实现：

优化思路 #

• 优先匹配更长的城市名，避免短城市名（如Jakarta）先被匹配，导致多词城市名被忽略
• 直接在完整推文文本中查找城市名，无需拆分单词
• 统一文本大小写，解决大小写不一致导致的匹配失败问题

优化后代码 #

def check_keterangan(row):
    # 获取推文文本，统一转为小写消除大小写影响
    tweet_text = row['Tweet'].lower()
    # 将城市列表按名称单词数量从多到少排序，优先匹配多词城市名
    sorted_cities = sorted(kota['kabko'], key=lambda x: len(x.split()), reverse=True)
    # 遍历排序后的城市列表
    for city in sorted_cities:
        # 城市名同步转小写，和推文文本格式统一
        if city.lower() in tweet_text:
            return city
    # 未匹配到任何城市名时返回原字段值
    return row['kota']

关键说明 #

1. 排序城市列表：通过len(x.split())统计城市名的单词数量，按降序排序，确保Jakarta Barat这类多词城市名先被检查，避免被短名城市提前匹配覆盖。
2. 完整文本匹配：直接使用字符串包含操作in，无需拆分推文，能完整识别连续的多词城市名。
3. 大小写统一：将推文和城市名同步转为小写，避免因大小写差异（如Jakarta Barat和jakarta barat）导致的匹配失败。

内容的提问来源于stack exchange，提问作者Mr_G_20