python搜索一组单词

Question

简单来说，我正在寻找使用正则表达式而不使用for循环在字符串中搜索一组单词的最快方法。 即有一种方法可以做到这一点：

text = 'asdfadfgargqerno_TP53_dfgnafoqwefe_ATM_cvafukyhfjakhdfialb'
genes = set(['TP53','ATM','BRCA2'])
mutations = 0
if re.search( genes, text):
    mutations += 1
print mutations 
>>>1

这样做的原因是因为我正在搜索复杂的数据结构，并且不想嵌套太多的循环。 以下是问题代码的详细信息：

genes = set(['TP53','ATM','BRCA2'])
single_gene = 'ATM'
mutations = 0
data_dict = {
             sample1=set(['AAA','BBB','TP53'])
             sample2=set(['AAA','ATM','TP53'])
             sample3=set(['AAA','CCC','XXX'])
             sample4=set(['AAA','ZZZ','BRCA2'])
            }

for sample in data_dict:
    for gene in data_dict[sample] 
        if re.search( single_gene, gene):
            mutations += 1
            break

我可以轻松地搜索“ single_gene”，但是我想搜索“ genes”。 如果我添加另一个for循环以遍历'genes'，那么代码将变得更加复杂，因为我将不得不添加另一个'break'和一个布尔值来控制何时发生中断？ 从功能上来说，它可以工作，但是笨拙，必须有一种更优雅的方法吗？ 请参阅下面的集合的笨拙额外循环（当前是我唯一的解决方案）：

for sample in data_dict:
    for gene in data_dict[sample] 
        MUT = False
        for mut in genes:
            if re.search( mut, gene):
                mutations += 1
                MUT = True
                break
        if MUT == True:
            break

重要提示：如果每个样本的集合中都出现了来自“基因”的任何基因，我只想在“突变”中添加0或1。 即'sample2'将为突变加1，而样本3将加0。请告知是否需要进一步说明。 提前致谢！

Answer 1

如果目标字符串是固定文本（即非正则表达式），则不要使用re 。 效率更高：

for gene in genes:
    if gene in text:
        print('True')

该主题有很多变化，例如：

if [gene for gene in genes if gene in text]:
    ...

它很容易混淆，包含一个列表理解，并且依靠在Python中将空列表[]视为错误的事实。

已更新，因为问题已更改：

您仍在努力进行。 考虑改为：

def find_any_gene(genes, text):
    """Returns True if any of the subsequences in genes
       is found within text.
    """
    for gene in genes:
        if gene in text:
           return True
    return False

mutations = 0
text = '...'

for sample in data_dict:
    for genes in data_dict[sample]
         if find_any_gene(genes, text):
             mutations += 1

这具有以下优点：缩短搜索所需的代码更少，可读性更高，并且函数find_any_gene()可以由其他代码调用。

Answer 2

这样行吗？ 我从评论中使用了一些例子。

让我知道我是否接近吗？

genes = set(['TP53','ATM','BRCA2', 'aaC', 'CDH'])
mutations = 0
data_dict = {
             "sample1":set(['AAA','BBB','TP53']),
             "sample2":set(['AAA','ATM','TP53']),
             "sample3":set(['AAA','CCC','XXX']),
             "sample4":set(['123CDH47aaCDHzz','ZZZ','BRCA2'])
            }

for sample in data_dict:
    for gene in data_dict[sample]:
        if [ mut for mut in genes if mut in gene ]:
            print "Found mutation: "+str(gene),
            print "in sample: "+str(data_dict[sample])
            mutations += 1

print mutations