如何查找字符串中指定数组内单词相邻出现的连续片段

需求为给定存储语句的目标字符串、由指定单词构成的匹配数组，找出字符串中所有连续相邻出现2个及以上数组内单词的文本片段。
原有手动枚举单词组合的实现最多支持3个单词的连续匹配，随着连续匹配长度上升，枚举的组合规模会指数级膨胀，需要通用、高效的实现方案。
示例参数与预期结果：

• 待匹配单词数组：['cat','dog','and','the']
• 待检索字符串：There is a dog and cat over there. The cat likes the dog.
• 预期返回结果：['dog and cat','the dog','the cat']

不需要枚举任何单词组合，采用单次线性扫描的思路即可实现，时间复杂度为O(n)，无论连续匹配的单词长度是多少，性能都不会出现明显下降，完全规避组合爆炸问题：

1. 先将待匹配的单词统一转为小写后存入哈希集合，实现单个单词是否命中的O(1)时间查询
2. 对目标字符串做分词，提取出所有独立单词，匹配过程默认大小写不敏感（可根据需求调整为严格大小写匹配）
3. 遍历分词结果，维护一个临时列表存储当前连续命中的单词：
   • 若当前单词在匹配集合中，直接加入临时列表
   • 若当前单词不在匹配集合中，先检查临时列表长度：如果长度≥2，就将列表内单词拼接为片段存入结果，之后清空临时列表
   • 整个分词列表遍历完成后，需要额外检查一次临时列表，避免字符串末尾的连续命中片段被遗漏

import re

def find_consecutive_matches(target_words: list[str], text: str) -> list[str]:
    # 构建匹配词集合，统一转小写实现大小写不敏感匹配
    target_set = {word.lower() for word in target_words}
    # 提取文本中所有英文单词
    words = re.findall(r'[a-zA-Z]+', text)
    result = []
    current_streak = []
    
    for word in words:
        if word.lower() in target_set:
            current_streak.append(word)
        else:
            if len(current_streak) >= 2:
                # 拼接时统一转小写，和示例输出保持一致
                result.append(' '.join(w.lower() for w in current_streak))
            current_streak = []
    # 处理文本末尾残留的连续匹配段
    if len(current_streak) >= 2:
        result.append(' '.join(w.lower() for w in current_streak))
    return result

# 示例测试
if __name__ == "__main__":
    target_word_list = ['cat','dog','and','the']
    test_content = "There is a dog and cat over there. The cat likes the dog."
    print(find_consecutive_matches(target_word_list, test_content))
    # 输出结果：['dog and cat', 'the cat', 'the dog']

适配说明：如果需要严格区分大小写，删除代码中所有.lower()相关逻辑即可；如果是中文等其他语言场景，只需要把英文分词逻辑替换为对应语言的分词工具，后续的连续匹配逻辑完全通用，不需要修改。

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