Python如何基于给定短语列表对字符串按匹配短语进行拆分?
Python 实现指定短语保留整体的句子拆分方案
实现思路
核心利用正则表达式的优先匹配规则,先匹配长短语再匹配单个单词,避免短语被拆分:
- 对短语列表按长度降序排序,保证更长的短语优先被匹配,不会被短短语截断
- 对短语中的正则特殊字符做转义处理,避免特殊字符导致匹配逻辑异常
- 构建正则匹配模式,同时匹配命中的短语和单个普通单词,直接提取所有匹配结果即可
代码实现
import re def split_with_reserved_phrases(sentence: str, reserved_phrases: list[str]) -> list[str]: # 按短语长度倒序排序,长短语优先匹配 sorted_phrases = sorted(reserved_phrases, key=lambda x: len(x), reverse=True) # 转义正则特殊字符 escaped_phrases = [re.escape(phrase) for phrase in sorted_phrases] # 构建匹配规则:优先匹配保留短语,其次匹配单个单词 pattern = r"\b(?:{})\b|\b\w+\b".format("|".join(escaped_phrases)) # 返回所有匹配结果 return re.findall(pattern, sentence)
测试效果
# 示例参数 sentence = "the world is too big" reserved_phrases = ["too big", "too small", "the world", "too many"] # 调用方法 result = split_with_reserved_phrases(sentence, reserved_phrases) print(result) # 输出:['the world', 'is', 'too big']
适配说明
- 如果句子中包含标点符号,可以将单个单词匹配规则从
\w+调整为[^ ]+,匹配所有非空格的连续字符 - 如果保留短语中包含非单词边界的内容(比如带标点的短语),可删除正则中的
\b单词边界限制,按需调整匹配规则即可
内容的提问来源于stack exchange,提问作者HANS
相关产品推荐
相关产品推荐

