如何更高效实现匹配指定字符组合的文本单词提取函数？

嘿，我来帮你优化这段代码！你的需求是从输入文本里筛选出包含tion、ex、ph、ost、ist、ast这些字符组合的单词，当前的for循环写法不仅重复度高，还可能把同一个单词多次添加到结果列表里（比如同时包含ex和tion的explanation，会被append两次），我们可以用更简洁高效的方式来实现。

方法一：正则表达式（推荐，适合复杂匹配） #

正则表达式天生擅长处理这种多模式匹配的场景，而且能一次性完成所有规则的检查，还能轻松处理单词边界、大小写等细节：

import re

def filter_words(text):
    # 预编译正则模式，用非捕获组定义所有目标字符组合
    # \b 确保匹配完整单词，re.IGNORECASE 忽略大小写（可选）
    pattern = re.compile(r'\b\w*(?:tion|ex|ph|ost|ist|ast)\w*\b', re.IGNORECASE)
    # 提取所有匹配的单词
    matches = pattern.findall(text)
    # 去重后返回列表
    return list(set(matches))

代码说明： #

• re.compile预编译正则表达式，提升多次调用函数时的效率
• (?:...)是非捕获组，让findall返回完整的匹配单词，而不是只返回匹配的字符片段
• \b是单词边界，确保我们匹配的是完整单词（不会漏掉prefix里的ex这类情况，符合你的需求）
• re.IGNORECASE可以匹配大小写不同的版本（比如Tion、EX），不需要的话可以直接去掉
• 用set去重，确保同一个单词只会出现在结果里一次

方法二：用集合+any()（轻量无依赖） #

如果不想引入正则模块，也可以把目标字符组合放到集合里，结合any()函数来简化判断，同时解决重复添加的问题：

def filter_words(text):
    # 把目标字符组合存到集合中，查找效率更高
    target_patterns = {"tion", "ex", "ph", "ost", "ist", "ast"}
    words = text.split()
    # 集合推导式自动去重，只要单词包含任一目标组合就保留
    return list({word for word in words if any(pattern in word for pattern in target_patterns)})

代码说明： #

• 集合target_patterns的成员查找速度比列表快，数据量大时优势更明显
• any(pattern in word for pattern in target_patterns)会逐个检查单词是否包含任一目标组合，只要有一个满足就返回True
• 集合推导式{word for ...}自动帮我们去重，最后转成列表返回

对比你原来的代码，这两种方法都解决了重复添加单词的问题，代码更简洁易读，维护起来也更方便——以后要加新的字符组合，只需要修改正则里的模式或者集合里的元素就行啦！

内容的提问来源于stack exchange，提问作者user14152659