判断单词边界的函数

判断单词边界的函数——适用于中英文数字

在处理文本数据时，我们经常需要判断某个特定的子字符串是否作为一个独立的单词出现在更大的文本中。特别是在处理多语言文本（如中英文混合）和包含数字的情况时，这个问题变得更加复杂。本文将介绍一个使用正则表达式的Python函数来解决这一问题。

函数实现

import re

def find_independent_word(text, target_word):
    """
    检查目标词是否为独立单词。
    
    :param text: 输入的文本字符串
    :param target_word: 要查找的目标单词
    :return: 如果目标词是独立单词，则返回True；否则返回False
    """
    # 使用正则表达式检查目标词是否为独立单词
    # 单词边界可以是字符串开始/结束、非字母字符(如数字、标点、中文等)
    pattern = r'(^|[^a-zA-Z])' + re.escape(target_word) + r'($|[^a-zA-Z])'
    match = re.search(pattern, text)
    return bool(match)

该函数通过构建一个正则表达式模式来匹配目标单词，并确保其前后不是字母字符。这样可以有效地识别出目标单词作为独立单词出现的情况。

测试用例

为了验证该函数的正确性，我们准备了一些测试用例：

# 完整测试用例
test_cases = [
    ("from(Bioss公司)", "Bioss"),  # 预计输出 True
    ("Bioss公司", "Bioss"),        # 预计输出 True
    ("fromBioss公司", "Bioss"),    # 预计输出 False
    ("Bioss123", "Bioss"),         # 预计输出 True
    ("Bioss test", "Bioss"),       # 预计输出 True
    ("测试Bioss公司", "Bioss"),    # 预计输出 True
    ("测试Bioss123", "Bioss"),     # 预计输出 True
    ("Bioss", "Bioss"),            # 预计输出 True
    (" Bioss", "Bioss"),           # 预计输出 True
    ("Bioss ", "Bioss"),           # 预计输出 True
]

for text, target in test_cases:
    result = find_independent_word(text, target)
    print(f"Text: '{text}', Target: '{target}' => Result: {result}")

运行上述代码后，我们可以得到每个测试用例的结果，从而验证我们的函数是否按预期工作。

结论

通过使用正则表达式，我们可以轻松地编写一个函数来判断一个子字符串是否作为一个独立的单词出现在更大的文本中。这个方法不仅适用于英文，还能够处理包含中文和其他非字母字符的情况。希望这篇文章对你有所帮助！