Python - 将字符串中的单词与字符串列表匹配答案

【问题标题】：Python - match a word in a string with a list of stringsPython - 将字符串中的单词与字符串列表匹配
【发布时间】：2015-05-06 07:09:24
【问题描述】：

我是 python 新手，我想知道字符串比较是如何完成的

假设我有一个包含状态名称的字符串列表，例如

states = ["New York", "California", "Nebraska", "Idaho"]

我还有另一个字符串，其中包含类似的地址

postal_addr = "1234 1st E St San Jose California 95112"

如何解析此地址字符串并找到与状态列表中的项目匹配的项？在上面的示例中，加利福尼亚将是一个匹配项。匹配后如何提取"California"并将其存储为单独的字符串？

【问题讨论】：

我认为我们需要更多细节。例如，"The New Yorker" 是否也应该匹配？ 123 Idaho St., Farmville, Nebraska 67890 这样的地址呢？
你应该先尝试然后寻求帮助。否则我们有感觉做你的功课。
您正在寻找fuzzy string matching。
在我的情况下不会出现这种问题。因为州名在字符串中只出现一次，不会出现像“Idaho St”这样的场景

标签： python string list

【解决方案1】：

我愿意

matches = [ s for s in states if s in postal_addr ]

那么，如果你想从邮政地址中获取字符串：

import re
if matches:
    extracted = re.findall( matches[0],  postal_addr)[0]

编辑：..但这不适用于城市名称包含不同州的城市/州组合，例如 postal_adr = '1 Arrowhead Dr, Kansas City, Missouri 64129' 和 states = ["New York", "California", "Nebraska", "Idaho", "Missouri", "Kansas"] 等。在这种情况下

import re
if matches:
    extracted = [(re.search(m, postal_addr).start() , m) for m in matches ]
    extracted = sorted( extracted )[-1][1]

【讨论】：

如果len(match)>0:不是很pythonic，你应该写if match:。来源：PEP8 部分编程建议。

【解决方案2】：

>>> states = ["New York", "California", "Nebraska", "Idaho"]
>>> postal_addr = "1234 1st E St San Jose California 95112"
>>> first_match = next(state for state in states if state in postal_addr)
>>> first_match
'California'

但是，如果您需要在单词边界处进行匹配，则最好使用正则表达式。

【讨论】：

【解决方案3】：

states = ["New York", "California", "Nebraska", "Idaho"]
postal_addr = "1234 1st E St San Jose California 95112"

result = None
for state in states:
    if state in postal_addr:
        result = state

print(result)

很遗憾，这也会匹配包含州名称（例如 Idahoba）的单词。

【讨论】：

【解决方案4】：

你可以这样试试，

In [2]: states = ["New York", "California", "Nebraska", "Idaho"]

In [3]: postal_addr = "1234 1st E St San Jose California 95112"

In [4]: ''.join(state for state in states if state in postal_addr)
Out[4]: 'California'

【讨论】：

【解决方案5】：

这是另一个使用正则表达式的替代答案：

import re

states = ["New York", "California", "Nebraska", "Idaho"]
pattern = re.compile(r'.*(' + r'|'.join(states) + ').*')

postal_addr = "1234 1st E St San Jose California 95112"
match = pattern.match(postal_addr)

if match:
    state = match.group(1)

【讨论】：

【解决方案6】：

要查找字符串中的所有匹配项，您可以这样做：

matches = [m for m in postal_addr.split() if m in states]

【讨论】：

好点。这使得这个问题比快速响应（包括我的）所暗示的数量更难回答！