Buscar subcadena en cadena pero solo si las palabras completas?

Question

¿Cuál es una manera elegante de buscar una cadena dentro de otra cadena en Python, pero solo si la subcadena está dentro de palabras completas, no es parte de una palabra?

Quizás un ejemplo demostrará lo que quiero decir:

string1 = "ADDLESHAW GODDARD" 
string2 = "ADDLESHAW GODDARD LLP" 
assert string_found(string1, string2) # this is True 
string1 = "ADVANCE" 
string2 = "ADVANCED BUSINESS EQUIPMENT LTD" 
assert not string_found(string1, string2) # this should be False 

¿Cómo puedo mejor escribir una función llamada string_found que va a hacer lo que necesito? Pensé que tal vez podría eludir con algo como esto:

def string_found(string1, string2): 
    if string2.find(string1 + " "): 
     return True 
    return False 

Pero que no se siente muy elegante, y además no se correspondería con cadena1 si era al final de cadena2. Tal vez necesito una expresión regular? (miedo arg regex)

Answer 1

Aquí hay una manera de hacerlo sin una expresión regular (según se solicite) suponiendo que desea que cualquier espacio en blanco sirva como separador de palabras.

import string 

def find_substring(needle, haystack): 
    index = haystack.find(needle) 
    if index == -1: 
     return False 
    if index != 0 and haystack[index-1] not in string.whitespace: 
     return False 
    L = index + len(needle) 
    if L < len(haystack) and haystack[L] not in string.whitespace: 
     return False 
    return True 

Y aquí algo de demo code (teclado es una gran idea: Gracias a Felix Kling por recordármelo)

Answer 2

Usted puede utilizar regular expressions y la palabra carácter especial límite \b (destacado por mí):

Hace coincidir la cadena vacía, pero solo al principio o al final de una palabra. Una palabra se define como una secuencia de caracteres alfanuméricos o de subrayado, por lo que el final de una palabra se indica mediante espacios en blanco o un carácter no subrayado, no subrayado. Tenga en cuenta que \b se define como el límite entre \w y \W, por lo que el conjunto preciso de caracteres que se consideran alfanuméricos depende de los valores de los indicadores UNICODE y LOCALE. Dentro de un rango de caracteres, \b representa el carácter de retroceso, para compatibilidad con los literales de cadenas de Python.

def string_found(string1, string2): 
    if re.search(r"\b" + re.escape(string1) + r"\b", string2): 
     return True 
    return False 

Demo

---

Si límites de las palabras son sólo espacios en blanco para usted, usted también podría salirse con espacios en blanco antes y anexas a sus cadenas:

def string_found(string1, string2): 
    string1 = " " + string1.strip() + " " 
    string2 = " " + string2.strip() + " " 
    if string2.find(string1): 
     return True 
    return False 

Answer 3

Un enfoque usando el re, o el módulo regex, que debería realizar esta tarea es:

import re 

string1 = "pizza pony" 
string2 = "who knows what a pizza pony is?" 

search_result = re.search(r'\b' + string1 + '\W', string2) 

print(search_result.group())