如何检查一行文本中是否包含列表中的任意一个字符串？

Question

可能是重复问题：
检查一个字符串中是否存在多个子字符串

我想找出一种简洁明了的方法来测试是否存在三个不同的字符串。

基本上，我使用一个for循环遍历一个文件；然后我必须检查它是否包含我在列表中设置的3个字符串中的1个。

到目前为止，我已经找到了多个if条件检查，但感觉并不是特别优雅和高效：

for line in file
    if "string1" in line or "string2" in line or "string3" in line:
        print "found the string"

我想创建一个包含string1，string2和string3的列表，并检查这些字符串是否都包含在该行中。但似乎不能仅仅比较列表，而是需要显式地循环遍历列表，那么我就会陷入与上面写的多个if语句相同的情况。

有没有更聪明的办法来检查多个字符串，而不必编写冗长的if语句或循环遍历列表元素？

- user1006198

---

你需要搜索每一行还是只找到第一个？如果是后者，你可以通过跳出for循环来进行优化。 - Tyler Crompton

Answer 1

strings = ("string1", "string2", "string3")
for line in file:
    if any(s in line for s in strings):
        print "yay!"

- Niklas B.

---

虽然 any 函数的意义相当直观，但我从未使用过它，因此不得不查阅文档。@Niklas 写的很好。 - Brigand

这是一个函数。any 的作用是检查序列中是否有任何一个值为 true-ish（真实值）。真正的奇妙在于使用生成器表达式来创建序列。 - Karl Knechtel

@ShankarKumar 我认为只需要一个简单的打印行而不是打印“yay！”就可以了 :) - Pitto

@Pitto：那有什么更简单的方法吗？ - Niklas B.

@Pitto：啊，我现在才看到你的评论是回复Shabkar的 :) 但是，“line”不是找到的字符串。那将是“string”的匹配元素。 - Niklas B.

Answer 2

代码仍然会遍历这两个列表的笛卡尔积，但这段代码只有一行：

>>> lines1 = ['soup', 'butter', 'venison']
>>> lines2 = ['prune', 'rye', 'turkey']
>>> search_strings = ['a', 'b', 'c']
>>> any(s in l for l in lines1 for s in search_strings)
True
>>> any(s in l for l in lines2 for s in search_strings)
False

这种方法的优点是any会短路，所以一旦找到匹配项，循环就会停止。此外，它仅在linesX中查找search_strings中字符串的第一次出现。如果您想查找多个出现，则可以尝试以下方法：

>>> lines3 = ['corn', 'butter', 'apples']
>>> [(s, l) for l in lines3 for s in search_strings if s in l]
[('c', 'corn'), ('b', 'butter'), ('a', 'apples')]

如果你想编写更复杂的代码，似乎Aho-Corasick算法可以检测给定输入字符串中多个子字符串的存在。(感谢Niklas B.指出这一点。) 我仍然认为对于你的用例来说它会导致二次性能，因为你仍然需要多次调用它来搜索多行。但是，它会战胜上面提到的（平均为立方）算法。

- senderle

---

实际上是有的。看看Aho-Corasick自动机。它可以在线性时间内完成。 - Niklas B.

@NiklasB.，谢谢，这很有趣！如果我错了，请纠正我，但我认为结果仍然是二次的，因为OP想要测试多行子字符串匹配。但是，这仍然比naive any版本好（立方级别，假设in的平均O(n)性能）。 - senderle

更准确地说，您只需从针构建自动机一次，并将其重复使用于每行。 - Niklas B.

我认为自动机是由针构建的... - senderle

是的，那就是我想表达的意思... - Niklas B.

Answer 3

一种方法是将搜索字符串组合成正则表达式模式，例如这个答案中所示。

- Janne Karila

---

我认为正则表达式更美观，但是正则表达式的开销不是很大吗？它真的比一个更简单的“if ... or ... or ...:”更有效吗？ - Sam Redway

@SamRedway 有一些额外开销，但另一方面，搜索字符串可以组合成一个模式，在一次处理中完成。 - Janne Karila

@SamRedway 嗯，好的，快速测试表明正则表达式与其他方案相比不够好。 - Janne Karila

所以我猜在大多数情况下，可读性比效率更重要，这是基于该指标的完全合理的方法。不过，我会说“更高效”可能会误导。 - Sam Redway

@SamRedway 是的，现在已经编辑掉了。 - Janne Karila