计算一组空格分隔的单词在句子或tex中出现的次数

Question

我有一个单词组合列表，比如“brown fox”，还有一大堆要检查的句子。我只想知道列表中的元素在句子中出现的次数。

我有一个可行的解决方案，但我想让它更快。所以我只想有一个意见或任何其他方式来做事情。你知道吗

没有区分大小写的。你知道吗

当我的关键字列表很小的时候，我的解决方案效果很好。 如果我的关键词列表是80个元素，而我的句子只有两三个单词呢？会很慢的。有什么方法可以改进解决方案吗？你知道吗

harry_line = "The Dark Lord Voldemort is 
    shooting another shooter who claimed to be Dark Lord."
keywords = ['Dark Lord', 'shooter', 'plan', 'poncho', 'brown fox', 'ugly cake piece']

print(sum(harry_line.count(phrase) for phrase in keywords))

在上面的例子中，黑魔王发生了两次，射手发生了一次，因此给出了3的输出，这是正确的。你知道吗

Answer 1

因为the OP would like a real answer，一个简单的可能性列表，按照尝试的顺序：

1. 使用简单的解决方案
2. 不，认真地，使用简单的解决方案；你没有足够的针和干草堆使任何优化都有价值。两位数范围内的干草堆和针可以在一个有20年历史的绘图计算器上以比你眨眼都快的速度进行扫描；在任何合理的现代硬件上，你应该能够在数千个干草堆中搜索数百根针，甚至比最不耐烦的人所能注意到的还要快。你知道吗
3. 真的，你确定？对于一位数数十亿次的扫描，用简单的方法执行，in one example case it took 40 minutes；如果你用简单的方法进行的扫描少于数百万次，你就处在一位数秒的低成本范围内。尝试使用最简单的解决方案，找出你可能遇到的最现实的输入集，并计算出需要多长时间。时间够长吗？不？使用简单的解决方案。你知道吗
4. 叹息。。。好吧，你太天真了，太慢了。也许consider Aho-Corasick？它将把每个“干草堆”每个“针”的一次扫描减少到一个预计算步骤，从而生成一个Aho-Corasick自动机，然后不管搜索多少针，每个“干草堆”都进行一次扫描。如果这还不够，可以考虑使用multiprocessing模块来并行化Aho扫描。你知道吗

Answer 2

如果你想提高速度，你可以试着数一数单词，然后对列表/元组中的单词求和。你知道吗

search_words = ['enter', 'your', 'search']
sentence = "enter your sentence here"
counts = dict()
for word in sentence.split():
    if word in counts.keys():
        counts[word] += 1
    else:
        counts[word] = 1
total=0
for word in search_words:
    if word in counts.keys():
        total += counts[word]
print(total)

这个方法只会是O（n），或者可能是O（n×log（n））而不是O（n^2），就像你的漂亮的小内行那样。它利用了dict类型的接近常量的查找时间。你知道吗