You need to enable JavaScript to run this app. Python正则实现文本中夹杂无关字符的字典人名检索匹配
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.22 02:45:03