(python)文字列を「リスト内の単語」に分割する方法を教えてください

Question

やりたいこと（例）

違和感を感じる日本語ではあると思いますが

飲食店に飲食するために来た人は老人
↑を
[するため,来た,飲食,老,店,人,に,は]
上記リストにある言葉に合わせて分割

出力後

[飲食,店,に,飲食,するため,に,来た,人,は,老,人]
↑のような結果を出力したいのですがどうすべきでしょうか？

ご教授お願いいたします。

Answer 1

パフォーマンス考えたら多分正規表現ライブラリに任せるのが良いので，リストをorでつなげたパターンにしてre.findallとかですかね

import re

text = '飲食店に飲食するために来た人は老人'
words = ['するため','来た','飲食','老','店','人','に','は']

ptn = '|'.join(words)
# -> 'するため|来た|飲食|老|店|人|に|は'

res = re.findall(ptn, text)
# -> ['飲食', '店', 'に', '飲食', 'するため', 'に', '来た', '人', 'は', '老', '人']

Answer 2

老人のような単語は分割しないで欲しいと思いました。
また、分割できなかった部分の処理も気になります。

そこで以下のようなコードを作ってみました。
なお、キーワード引数 error_raise にTrue を指定すると、エラーを出して停止します。

def split_by_word(sentence, word_list, error_raise=False):
    return split_by_word_sub(sentence, sorted(word_list, key=len, reverse=True), error_raise)

def split_by_word_sub(sentence, word_list, error_raise):
    if sentence == '':
        return []
    elif word_list == []:
        if error_raise:
            raise ValueError('Cannot split ' + sentence)
        else:
            return [sentence]
    else:
        top_word = word_list[0]
        split_sentence = sentence.split(top_word)
        result = split_by_word_sub(split_sentence[0], word_list[1:], error_raise)
        for sub_sentence in split_sentence[1:]:
            result += ([top_word] + split_by_word_sub(sub_sentence, word_list[1:], error_raise))
        return result

if __name__ == '__main__':
    SENTENCE = '飲食店に飲食するために来た人達は老人'
    WORDS = ['するため', '来た', '飲食', '老', '店', '人', 'に', 'は', '老人']

    print(split_by_word(SENTENCE, WORDS))

#['飲食', '店', 'に', '飲食', 'するため', 'に', '来た', '人', '達', 'は', '老人']

Comments

[vibrato]

とても参考になりました！！ありがとうございます！！

Answer 3

s = '飲食店に飲食するために来た人は老人'
words = ['するため', '来た', '飲食', '老', '店', '人', 'に', 'は']

a = ''
result = []
for i in list(s):
    a += i
    if a in words:
        result.append(a)
        a = ''

print(result)
# ['飲食', '店', 'に', '飲食', 'するため', 'に', '来た', '人', 'は', '老', '人']
````list(s)`でバラバラにして、繰り返しでくっつけてって`words`にあったら`result`に追加していきます。