在字符串中查找多个子字符串而不对其进行多次迭代

Question

我需要查找列表中的项目是否出现在字符串中，然后将这些项目添加到不同的列表中。此代码有效：

data =[]
line = 'akhgvfalfhda.dhgfa.lidhfalihflaih**Thing1**aoufgyafkugafkjhafkjhflahfklh**Thing2**dlfkhalfhafli...'
_legal = ['thing1', 'thing2', 'thing3', 'thing4',...] 
for i in _legal:
    if i in line:
        data.append(i)

但是，代码迭代line（可能很长）多次 - 与项目中的次数一样多_legal（可能很多）。这对我来说太慢了，我正在寻找一种更快的方法。line没有任何特定的格式，所以.split()据我所知使用是行不通的。编辑：更改line以更好地代表问题。

Answer 1

我能想到的改进方法之一是：

• 获取单词的所有唯一长度_legal
• line使用滑动窗口技术从这些特定长度构建单词词典。复杂度应该是O( len(line)*num_of_unique_lengths )，这应该比暴力破解要好。
• thing现在在字典中查找每个内容的时间复杂度为 O(1)。

代码：

line = 'thing1 thing2 456 xxualt542l lthin. dfjladjfj lauthina '
_legal = ['thing1', 'thing2', 'thing3', 'thing4', 't5', '5', 'fj la']
ul = {len(i) for i in _legal}
s=set()
for l in ul:
    s = s.union({line[i:i+l] for i in range(len(line)-l)})
print(s.intersection(set(_legal)))

输出：

{'thing1', 'fj la', 'thing2', 't5', '5'}