python检索文件里单词的中文_使用Python在一个.txt文件中搜索单词或短语列表（并显示上下文）...

尽管Python社区中的许多人经常对正则表达式表示反感，对于适当的用例来说，它们确实是一个宝贵的工具——其中肯定包括识别单词和短语(感谢正则表达式模式中的\b“单词边界”元素——基于字符串处理的替代方案更是一个问题，例如。，.split()使用空格作为分隔符，因此令人恼火的是，将标点符号附加到与其相邻的单词上，等等)。

如果RE是好的，我会推荐如下：import re

import sys

def main():

if len(sys.argv) != 3:

print("Usage: %s fileofstufftofind filetofinditin" % sys.argv[0])

sys.exit(1)

with open(sys.argv[1]) as f:

patterns = [r'\b%s\b' % re.escape(s.strip()) for s in f]

there = re.compile('|'.join(patterns))

with open(sys.argv[2]) as f:

for i, s in enumerate(f):

if there.search(s):

print("Line %s: %r" % (i, s))

main()

第一个参数是要查找单词或短语的文本文件的路径，每行一个，第二个参数是要查找单词或短语的文本文件的路径。如果需要的话，很容易使大小写搜索不敏感(可能只是基于命令行选项开关的选择性)，等等

对不熟悉REs.的读者的一些解释：

patterns项中的\b项确保不会出现意外匹配(如果您正在搜索“cat”或“dog”，则不会看到“catalog”或“underdog”的意外命中；并且不会错过“The cat，smileing，run away”中的命中，因为某些人认为存在“cat”这个词，包括逗号；-)。

|项表示or，例如，来自包含内容(两行)的文本文件cat

dog

这将形成模式'\bcat\b|\bdog\b'，它将定位“猫”或“狗”(作为独立单词，忽略标点符号，但拒绝较长单词中的点击)。

re.escape转义标点符号，因此它是按字面匹配的，而不是像通常在RE模式中那样具有特殊意义。