Python正则表达式匹配列表中的多个单词

我有一个单词列表和一个字符串，并且想从原始列表中取回在字符串中找到的单词列表。

Ex:

import re

lof_terms = ['car', 'car manufacturer', 'popular']
str_content = 'This is a very popular car manufacturer.'

pattern = re.compile(r"(?=(\b" + r"\b|".join(map(re.escape, lof_terms)) + r"\b))")
found_terms = re.findall(pattern, str_content)

这只会返回 ['car', 'popular']。它未能抓住“汽车制造商”。但是，如果我将术语源列表更改为lof_terms = ['car manufacturer', 'popular']

不知何故，“汽车”和“汽车制造商”之间的重叠似乎是这个问题的根源。

有什么想法如何克服这个问题吗？

非常感谢

如果您首先对当前代码进行排序，则可以修复当前代码lof_terms按长度降序排列：

rx = r"(?=\b({})\b)".format("|".join(map(re.escape, sorted(lof_terms, key=len, reverse=True))))
pattern = re.compile(rx)

请注意，在这种情况下，\b单词边界仅在分组的两端使用一次，无需在每个替代项周围重复它们。看这个正则表达式演示.

See the Python演示:

import re

lof_terms = ['car', 'car manufacturer', 'popular']
str_content = 'This is a very popular car manufacturer.'

rx = r"(?=\b({})\b)".format("|".join(map(re.escape, sorted(lof_terms, key=len, reverse=True))))
pattern = re.compile(rx)
found_terms = re.findall(pattern, str_content)
print(found_terms)
# => ['popular', 'car manufacturer']