Python正则实现文本中夹杂无关字符的字典人名检索匹配
Python grepi 人名检索脚本修正方案
原有脚本存在的两类核心问题
- 核心匹配语句语法逻辑错误:原语句
if re.search(r' + line + r'\b', patt):正则参数拼接、传参逻辑均有误,无法正常执行匹配 - 原有匹配规则不满足需求:原依赖词边界
\b的匹配规则,无法识别嵌入在数字、零散字母中的人名
实际检索需求说明
脚本基础逻辑为逐行读取人名字典文件与待检索目标文件,逐行匹配目标文件中出现的字典人名,需支持精准识别被前后无关字符包裹的嵌入型人名:
典型匹配场景
- 从字符串
1234Alexandre1234中提取人名Alexandre- 从字符串
dfqklnflSébastiendsqjfldsjfldksj中提取人名Sébastien
修正版实现逻辑
基于正则捕获组实现前后通配匹配,修正后支持:
- 逐行输出结果包含目标文件名、行号、匹配人名三类信息
- 支持忽略大小写匹配
修正后核心代码
import re def load_name_dict(dict_path): """读取人名字典文件,返回清洗后的人名列表""" with open(dict_path, 'r', encoding='utf-8') as f: return [line.strip() for line in f if line.strip()] def search_target_file(target_path, name_list, ignore_case=True): """逐行检索目标文件中匹配的人名""" flags = re.IGNORECASE if ignore_case else 0 matched_results = [] for name in name_list: # 转义人名中的特殊字符,用捕获组包裹匹配内容 pattern = re.compile(rf'({re.escape(name)})', flags=flags) with open(target_path, 'r', encoding='utf-8') as f: for line_num, line_content in enumerate(f, 1): match_obj = pattern.search(line_content) if match_obj: matched_results.append( f"{target_path}:{line_num}: {match_obj.group(1)}" ) return matched_results # 调用示例 if __name__ == "__main__": names = load_name_dict("names.txt") res = search_target_file("test.txt", names) for line in res: print(line)
内容的提问来源于stack exchange,提问作者Hasyame
相关产品推荐
相关产品推荐

