Python in运算符匹配已存在子串返回False问题排查

匹配失败的核心原因是存在视觉上无差异、但Unicode码点完全不同的同形异码字符，Python的in运算符执行的是严格的码点级别匹配，只要字符编码不一致就会判定不匹配，和肉眼识别的结果产生偏差。
具体到你给出的复现代码，差异点在significance一词：

• 从学术文本/PDF中复制得到的example字符串里，该词实际为significance，其中fi是排版用的拉丁小连字（Unicode码点U+FB01），是排版系统为了视觉美观自动替换生成的单字符
• 你手动写入list_of_titles的同位置是普通的f（U+0066）+i（U+0069）两个独立字符，视觉上和连字几乎没有区别，但编码完全不同
  你之前尝试的去空白、转小写操作没有处理这类特殊合字的归一化，所以无法解决匹配失败的问题。

使用Python标准库unicodedata提供的Unicode归一化功能，选择NFKC/NFKD归一化模式，可以自动将这类兼容类特殊字符（合字、全角字符、特殊排版符号等）转换为常规的等价字符序列，从根源消除同形异码带来的匹配偏差。
注意：归一化规则必须同时作用于待匹配的目标字符串和所有待匹配子串，保证两边处理逻辑完全一致。

修复后的可运行代码：

import unicodedata

def text_normalize(text: str) -> str:
    # NFKC归一化处理兼容字符，可按需求叠加转小写、去空白逻辑
    text = unicodedata.normalize("NFKC", text)
    text = text.lower().replace(" ", "")
    return text

example = "Research Policy journal homepage: www.elsevier.com/locate/respol Editorial Introduction to special section on university–industry linkages: The significance of tacit knowledge and the role of intermediaries The papers in this special section of research World Bank study on the growth prospects of the leading East Asian economies."
list_of_titles = ["Introduction to special section on university–industry linkages: The significance of tacit knowledge and the role of intermediaries", "another title", "another title"]

normalized_example = text_normalize(example)
for title in list_of_titles:
    if text_normalize(title) in normalized_example:
        print("Yes")
    else:
        print("No")

运行上述代码即可正确输出第一个标题的匹配结果为Yes。

这类问题在处理PDF解析文本、学术文献内容、特殊排版网页时非常常见，除了fi合字，还可能遇到fl合字、不同形态的引号/破折号、全角字母数字等同形异码字符，NFKC归一化可以覆盖绝大多数这类场景的兼容问题。

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