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

Question

• Gunakan Python+pyahocorasick untuk memadankan kata kunci, iaitu kira-kira 10-20 aksara Cina.

• Teks yang digunakan untuk membina ahocorasick dibaca daripada kata kunci fail setempat. Formatnya adalah seperti berikut:

Kawasan ibu dan bayi<Makanan pelengkap<Mi/mi: bayi, kanak-kanak, bayi, kanak-kanak, bayi

Mee, mee nipis, mee tebal, mee buatan tangan, mee sayur, mee berkhasiat, mee pecah, mee kering, mee

• Hasil padanan kosong.

• Kod adalah seperti berikut:

import ahocorasick

A = ahocorasick.Automaton()

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

with open('key_word', 'r') as f:
    for line in f.readlines():
        line = line.strip()
        line = str(line.split('<'))
   
        A.add_word(line, line)

A.make_automaton()

aa = A.iter(title)
for item in aa:
    print(item) # 打印为空值

Jika sesiapa telah menangani masalah ini, sila bantu saya, berikan contoh kod, atau berikan penyelesaian, terima kasih!

Answer 1

• 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<Makanan pelengkap<Mee/Mee