如何高效地对两个excel文件（A，B）进行是否A包含B的查询及标记

Question

主要是想做命名实体识别的标注；
具体来说，有两个excel文件，称之为A（n行1列），B（n行1列）。
举例来说，A中每一行是一句描述性质的话，B中每一行都是一个实体名
请问该如何高效地实现类似以下的功能：
for index,row in A.iterrows():

要判断row['描述']这一句话是否包含了B中的一个或者多个实体，并在A中进行标注

求指点思路。

Answer 1

加入 A 和 B 都足够大的话可以把 B 的内容放在 AC 自动机里面，然后取用 A 的内容匹配）

Answer 2

感觉这个类似token解析。
可以把B的每一行作为一个正则表达式，用或合并为1个正则。
对于A的每一行对上面的正则进行匹配，通过re.finditer获取当前行所有匹配的token

Answer 3

AC自动机是最好的选择，效率足够高。可以看看https://github.com/vi3k6i5/fl... 这个库，包含了查找和替换的AC自动机实现。