获取具有模糊性的正则表达式组

Question

我有一个非常大的单词列表（大约 200k）：

["cat", "the dog", "elephant", "the angry tiger"]

我创建了这个正则表达式，带有模糊性：

regex = "(cat){e<3}|(the dog){e<3}|(elephant){e<3}|(the angry tiger){e<3}"

我输入了句子：

sentence1 = "The doog is running in the field"
sentence2 = "The elephent and the kat"
...

我想得到的是：

res1 = ["the dog"]
res2 = ["elephant", "cat"]

我试过这个，例如：

re.findall(regex, sentence2, flags=re.IGNORECASE|re.UNICODE)

但这输出我：

["elephent", "kat"]

知道如何用更正的单词得到正确答案吗？我想要的是为每场比赛获得正则表达式捕获组，但我很难做到这一点。

也许我做的不对，也许正则表达式的方式不是很好，但是带有 for 循环的 if item in list 执行起来太长了。

Answer 1

可以通过手动构造正则表达式并命名组来完成:

import regex as re

a = ["cat", "the dog", "elephant", "the angry tiger"]
a_dict = { 'g%d' % (i):item for i,item in enumerate(a) } 

regex = "|".join([ r"\b(?<g%d>(%s){e<3})\b" % (i,item) for i,item in enumerate(a) ])

sentence1 = "The doog is running in the field"
sentence2 = "The elephent and the kat"

for match in re.finditer(regex, sentence2, flags=re.IGNORECASE|re.UNICODE):
    for key,value in match.groupdict().items():
        if value is not None:
            print ("%s: %s" % (a_dict.get(key), value))

elephant:  elephent
cat:  kat

获取具有模糊性的正则表达式组

Get regex group with fuzziness

python

regex

string

fuzzy-search