在python中搜索文本正文中的多個項目的最快方法

Question

我有一個很長的短字符串列表，我想在（通常）很長的文本字符串中搜索所有這些項目。我的列表長度約爲500個短字符串，我希望能夠使用python查找出現在大約〜10,000個字符的源文本中的所有內容。

這裏是我的問題的一個簡單的例子：

cleanText = "four score and seven years ago our fathers brought forth on this continent a new nation conceived in Liberty and dedicated to the proposition that all men are created equal" 
searchList = ["years ago","dedicated to","civil war","brought forth"] 

我目前在cleanText發現在searchList出現的項目的方法是：

found = [phrase for phrase in searchList if phrase in cleanText] 

這是在Python的最快方法是什麼？它並不是很慢，但在規模上（searchList中有500個項目，其中有一個長度爲10,000個字符的cleanText），它看起來比我想要的慢一點。

Answer 1

你可以嘗試一個正則表達式。這可能會加快速度的大名單：

import re 
found = re.findall('|'.join(searchList),cleanText) 

（當然，這個假設沒有什麼在searchList，將需要進行轉義爲re的目的。）

---

正如指出的在評論（感謝anijhaw），你可以通過做退讓：

found = re.findall('|'.join(re.escape(x) for x in searchList), cleanText) 

您也可以預編譯正則表達式，如果你會使用一次以上的機智h re.compile例如：。

regex = re.compile('|'.join(re.escape(x) for x in searchList)) 
found = regex.findall(cleanText) 

免責聲明這些解決方案只能找到非重疊匹配。