如何保持正则表达式匹配结果的顺序答案

【问题标题】：How to keep the sequence of regex match result如何保持正则表达式匹配结果的顺序
【发布时间】：2014-04-04 17:14:20
【问题描述】：

sentence = 'Alice was not a bit hurt, and she jumped up on to her feet in a moment.'
words = ['Alice','jumped','played']

为了匹配words 中的sentence，我使用了last post 答案中的代码

[w for w in words if re.search(r'\b{}\b'.format(re.escape(w)), sentence)]

这会得到我：

['Alice', 'jumped']

现在，如果words 列表以另一个序列（words = ['jumped','Alice','played']）给出，我想以它们在sentence 中出现的顺序显示匹配结果，即，仍然想要：

['Alice', 'jumped']

而不是

['jumped','Alice']

我应该如何修改代码？

【问题讨论】：

如果句子是'Alice jumped over Alice'，你想得到什么？

标签： python regex python-2.7

【解决方案1】：

一种方法是以句子为基础，过滤掉其他列表中的单词：

sentence_words = ['Alice','jumped','played']
words = ['jumped', 'Alice']
in_order = filter(set(words).__contains__, sentence_words)
# ['Alice', 'jumped']

或者：

word_set = set(words)
in_order = [word for word in sentence_words if word in word_set]

或者，您可以创建一个 word->last index seen 的查找，并使用：

lookup = {word: idx for idx, word in enumerate(sentence_words)}
words.sort(key=lookup.__getitem__)
['Alice', 'jumped']

也许将两者结合起来：

new_words = sorted((word for word in words if word in lookup), key=lookup.get)

【讨论】：

感谢您的方法！

【解决方案2】：

你可以像这样构建你的模式：

 pattern = r'\b(?:' + '|'.join(words) + r')\b'

并使用 findall

 re.findall(pattern, sentence)

删除重复项：

list(set(re.findall(pattern, sentence)))

【讨论】：

非常感谢！这对我有用。我是python的新手，你能告诉我模式构建中的哪一部分表示出现的顺序吗？
@ChuNan：模式中没有任何部分，唯一的事情是正则表达式引擎从左到右处理文本。你可以按照你想要的任何顺序给出一个单词列表，你会得到相同的结果（句子中的顺序）
如 cmets 中所示的句子：Alice jumped over Alice，后面出现的同一个词 'Alice' 替换了 re.findall 中较早出现的那个。然后是['jump','Alice']。对吗？
@ChuNan 你得到['Alice', 'jumped', 'Alice'] 作为结果。
@ChuNan：Jerry 说的对，要避免重复吗？