文本文件中出现名称，对重复项敏感

Question

我有一个名称列表，并希望计算整个文本文件集中的出现次数。

我正在使用带有字典的简单正则表达式搜索来做到这一点：

    for k,v in eng_names_dict.items():
        for i in v:
            pattern = re.compile(str(i).strip(' '))
            matches = re.search(pattern, text)
            if matches:
                namesDict[k] += 1
                break
    return

The catch：

我混合使用标题和名称（如下面的示例所示，具有不同的名称格式），它们之间有些重复。

例如：我的列表包括两个不同的人-“ Mark博士”（标题+姓氏）和“ Mark Smith”（名字+姓氏）。

如果文本文件包含字符串“ Mark Smith博士说...”，我的函数将为两个人都计数（而不是仅针对“ Mark Smith”）。

有没有办法确保每个子串只计数一次？

Answer 1

也许使用包含-排除原理？

text.count("Dr. Mark") + text.count("Mark Smith") - text.count("Dr. Mark Smith")

最后的减号删除重复项