字符串列表，替换其他列表中的所有单词[重复]

Question

这里是Python新手。

我有一个文档列表，还有另一个搜索词列表。我现在想迭代每个文档，并将任何搜索词的所有匹配项替换为类似的内容

大概是这样的:

document_list =  ['I like apples', 'I like bananas', 'I like apples and bananas and pineapples', 'I like oranges, but not blood oranges.']
search_list = ['apples', 'bananas', 'blood oranges']

Out: ['I like <placeholder>', 'I like <placeholder>', 'I like <placeholder> and <placeholder> and pineapples', 'I like oranges, but not <placeholder>.']

现在，我有类似的东西

for document in document_list:
    for term in search_list:
        document = re.sub(r'\b{}\b'.format(term),'<placeholder>',document)

这似乎有效，但真的（我是说真的）很慢。如果我要在我的约10k文档的完整数据集上运行这个，搜索列表可能包含约5k个术语，则需要几天才能完成。有没有更好的方法来解决这个问题并使其更快？

提前致谢！

Edit1：也许值得一提的是，search_list中的术语也可以由多个单词组成。相应地编辑了示例。

编辑2:谢谢你指出另一个主题，以前没有发现过。很抱歉。如下所述，我仍然很想听到其他非正则表达式的解决方案，只是为了了解它们。不过，实际问题已经通过另一个线程解决了。=)




Answer 1

这是一种可能性:

import re

document_list =  ['I like apples', 'I like bananas', 'I like apples and bananas and pineapples']
search_list = ['apples', 'bananas']

search_re = re.compile(r'\b(' + '|'.join(search_list) + r')\b')
replacement = r'<placeholder>'
document_replaced = [search_re.sub(replacement, doc) for doc in document_list]
print(*document_replaced, sep='\n)

输出：

I like <placeholder>
I like <placeholder>
I like <placeholder> and <placeholder> and pineapples