演算法 - python ahocorasick 從本地文件讀取文本，進行關鍵字匹配，匹配失敗

Question

• 使用Python pyahocorasick，搭配關鍵字，關鍵字大概在10-20個漢字之間。

• 建立ahocorasick的文本，是從本機檔案key_word的讀入。格式如下：

#母嬰專區<輔食<臉/麵條:嬰幼兒,幼兒,嬰兒,兒童,寶寶

麵條,細麵,粗麵,手工麵,蔬菜麵,營養麵,碎麵,掛麵,麵仔

• 匹配結果為空。

程式碼如下：

#

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

###請有操作過這種問題的大大，幫忙看看，能提供範例程式碼，或提供處理思路，謝謝！ ######

Answer 1

• 研究了兩天，自己實現了這個功能

• 本地文件有太多重複關鍵字，匹配並不是100%，供參考

• 參考代碼如下：

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])

• 印刷結果：母嬰專區<輔食<麵仔/麵條