如何使用 python 在一個字符串中查找多個子字符串的跨度？

Question

我有一個像

xxxx BP 160/110坐在左邊 arm @xyz 醫院 xxxx HgbA1c HgbA1c 12% on 21/1/2019 xxxx

和另一個字符串

bp 160/110 hgba1c 12%

現在，我怎樣才能得到每個發現的跨度如下

[(5, 15), (62, 72)]

注意：上述模式可能會有很大差異。 所以我想實現一些動態的解決方案。

提前致謝

Answer 1

這個 function 將找到包含 substring 的最小和最大邊界（否則，它將返回 False）

import collections

def find_substring_bounds(a, b):
    need = collections.Counter(b)
    missing = len(b)
    for end, char in enumerate(a, 1):
        if need[char] > 0:
            missing -= 1
        need[char] -= 1
        if missing == 0: # found all the characters
            start = 0
            while start < end and need[a[start]] < 0:
                need[a[start]] += 1
                start += 1
            need[a[start]] += 1
            return start, end
    return False

然后我們需要找到中左和中右邊界：

def mid_left_mid_right(a, b, left, right):
    mid_left = left
    for mid_left, (c1, c2) in enumerate(zip(a[left:], b)):
        if c1 != c2:
            break
    mid_right = right
    for mid_right, (c1, c2) in enumerate(zip(a[:right][::-1], b[::-1])):
        if c1 != c2:
            break
    return [(left, left+mid_left), (right-mid_right, right)]

例子：

s1 = "xxxx BP 160/110 12/6/2018 sitting left arm @xyz hospital xxxx HgbA1c 12% on 21/1/2019 xxxx"
s2 = "bp 160/110 hgba1c 12%"
left_, right_ = find_substring_bounds(s1.lower(), s2)
res = mid_left_mid_right(s1.lower(), s2, left_, right_)
print(res)

輸出：

[(5, 16), (61, 72)]

您可能需要針對數據集中的任何邊緣情況對此進行修改。