如何用Python提取匹配特定词序列的句子分句？

嘿，我来帮你搞定这个从大量句子里提取匹配特定单词组合的问题！原来的代码只能匹配单个单字词，咱们把它升级成支持**任意长度关键词（单字、双字词、多字短语）**的版本，直接看下面的方案：

核心思路 #

1. 用正则表达式的|运算符把所有要匹配的关键词组合成一个匹配模式，同时用re.escape()处理关键词里的特殊字符（避免正则语法冲突）
2. 针对中文分句的特点，用[^。！？]*匹配关键词前后的内容，确保提取的是完整的分句片段（以中文常用标点分隔）
3. 用Pandas的str.extractall()或str.findall()批量提取所有匹配的片段

完整代码实现 #

import pandas as pd
import re

# 读取数据
df = pd.read_csv('text.csv')

# 定义要匹配的关键词组合：支持单字、双字词、多字短语
identifiers = ('什么', '如何解决', '问题根源', '处理方法')

# 构建正则匹配模式：转义关键词+匹配前后分句内容
# 解释：[^。！？]* 匹配任意非中文标点的字符，确保提取完整分句片段
pattern = r'([^。！？]*{}[^。！？]*)'.format('|'.join(map(re.escape, identifiers)))

# 提取所有匹配的分句片段，生成新的结果列
df['matched_fragments'] = df['sentence'].str.findall(pattern)

# 如果需要把每个匹配的片段拆成单独行（方便后续分析），可以用explode
df_exploded = df.explode('matched_fragments').dropna(subset=['matched_fragments'])

# 查看结果
print(df_exploded[['sentence', 'matched_fragments']])

关键细节说明 #

• 关键词转义：用map(re.escape, identifiers)处理每个关键词，比如如果关键词里有+``.这类正则特殊字符，会自动转义，避免匹配出错
• 分句匹配逻辑：[^。！？]*会匹配关键词前后所有非分句标点的内容，确保提取的是一个完整的语义片段，而不是零散的字符
• 结果处理：str.findall()会返回每行所有匹配的片段列表，explode()可以把列表拆成单独的行，方便后续统计或分析

示例效果 #

假设你的text.csv里有这样的句子：

用户问如何解决系统卡顿的问题，什么原因导致的？需要快速找到问题根源。

运行代码后，matched_fragments列会提取出：

• "如何解决系统卡顿的问题"
• "什么原因导致的"
• "找到问题根源"

内容的提问来源于stack exchange，提问作者twhale