检查文本是否包含词汇表中的任何单词？

Question

如果给出一个可迭代的单词（数十万个单词），那么是否存在一个有效的现有库，用于检查可迭代中的任何单词是否包含在字符串中？

我可以轻松制作一个非常长的正则表达式模式，或者将所有单词组合在一起，然后尝试将该正则表达式与我的字符串进行匹配。主要是想知道我可以使用哪些更清洁的东西，从那以后我不需要担心逃避出现在单词中的任何可能的特殊字符。

换句话说，就像：

words = ['foo', 'bar', 'baz']
finder = WordFinder(words)
finder.find('sdfs s dfs df sdfsdfsdfoo sdf sdf') # True
finder.find('sdfasdfasdfa barasdfs') # True
finder.find('sdfsadsfs f sd fsa f df asdf sd fs') # False

我已经基于正则表达式编写了这样的类，所以希望我可以删除该代码。

Answer 1

也许Aho-Corasick符合您的要求？

这是维基页面：https://en.wikipedia.org/wiki/Aho%E2%80%93Corasick_algorithm

实现它的Python模块：https://pypi.python.org/pypi/pyahocorasick