Algoritma - python ahocorasick membaca teks daripada fail tempatan dan melakukan pemadanan kata kunci, tetapi pemadanan gagal

Question

Gunakan Python+pyahocorasick untuk memadankan kata kunci, yang mungkin antara 10-20 aksara Cina. Teks yang digunakan untuk membina ahocorasick dibaca daripada key_word fail tempatan. Formatnya adalah seperti berikut: Kawasan ibu dan bayi&lt;Makanan pelengkap&lt;Mi/mi: bayi, kanak-kanak, bayi, kanak-kanak, mee bayi, mee nipis,...

仅有的幸福 · Answer

Selepas dua hari penyelidikan, saya melaksanakan fungsi ini sendiri
Fail tempatan mempunyai terlalu banyak kata kunci berulang dan padanan tidak 100%, untuk rujukan
Kod rujukan adalah seperti berikut:

import ahocorasick

A = ahocorasick.Automaton()

titles = ['Hello Kitty3色蔬菜细面300克 婴儿幼儿营养面条宝宝辅食面条']

word_dict = {}

with open('categories.csv', 'r') as f:
    for line in f.readlines():
        line = line.strip()
        word_key = line.split(':')[0]
        word_value = list(line.split(':')[1].split('|'))
        word_dict[word_key] = word_value
        line = (line.split(':')[1].split('|'))
        for word in line:
            if word == "":
                continue
            A.add_word(word, word)

A.make_automaton()

for title in titles:
    category = []
    aa = A.iter(title)
    ret = []
    matches = {}

    for (k,v) in aa:
        matches[v] = 1

    for (k,v) in matches.items():
        ret.append(k)

    for value in word_dict.items():
        if ret[0] in value[1]:
            category.append(value[0]) #关键字太多，所以写死了一个keyword匹配的结果
            #print(ret[0], value[0], value[1]) 
    print(category[0])

Hasil cetakan: Bahagian ibu dan bayi