FlashText 算法是由 Vikash Singh 于2017年發表的大規模關鍵詞替換算法,這個算法的時間復雜度僅由文本長度(N)決定,算法時間復雜度為O(N)。
而對于正則表達式的替換,算法時間復雜度還需要考慮被替換的關鍵詞數量(M),因此時間復雜度為O(MxN)。
簡而言之,基于FlashText算法的字符串替換比正則表達式替換快M倍以上,這個M是需要替換的關鍵詞數量,關鍵詞越多,FlashText算法的優勢就越明顯。
下面就給大家介紹如何在 Python 中基于flashtext模塊使用FlashText算法進行字符串查找和替換,如果覺得對你的項目團隊很有幫助,請記得幫作者轉發一下哦。
1.準備
開始之前,你要確保Python和pip已經成功安裝在電腦上,如果沒有,可以訪問這篇文章:超詳細Python安裝指南進行安裝。
(可選1)如果你用Python的目的是數據分析,可以直接安裝Anaconda:Python數據分析與挖掘好幫手—Anaconda,它內置了Python和pip.
(可選2)此外,推薦大家用VSCode編輯器,它有許多的優點:Python 編程的最好搭檔—VSCode 詳細指南。
請選擇以下任一種方式輸入命令安裝依賴:
1. Windows 環境 打開 Cmd (開始-運行-CMD)。
2. MacOS 環境 打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm,可以直接使用界面下方的Terminal.
pip install flashtext
2.基本使用
提取關鍵詞
一個最基本的提取關鍵詞的例子如下:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. 添加關鍵詞keyword_processor.add_keyword('Big Apple', 'New York')keyword_processor.add_keyword('Bay Area')# 3. 處理目標句子并提取相應關鍵詞keywords_found = keyword_processor.extract_keywords('I love Big Apple and Bay Area.')# 4. 結果print(keywords_found)# ['New York', 'Bay Area']
其中add_keyword
的第一個參數代表需要被查找的關鍵詞,第二個參數是給這個關鍵詞一個別名,如果找到了則以別名顯示。
替換關鍵詞
如果你想要替換關鍵詞,只需要調用處理器的replace_keywords
函數:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. 添加關鍵詞keyword_processor.add_keyword('New Delhi', 'NCR region')# 3. 替換關鍵詞new_sentence = keyword_processor.replace_keywords('I love Big Apple and new delhi.')# 4. 結果print(new_sentence)# 'I love New York and NCR region.'
關鍵詞大小寫敏感
如果你需要精確提取,識別大小寫字母,那么你可以在處理器初始化的時候設定sensitive
參數:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器, 注意設置大小寫敏感(case_sensitive)為TRUEkeyword_processor = KeywordProcessor(case_sensitive=True)# 2. 添加關鍵詞keyword_processor.add_keyword('Big Apple', 'New York')keyword_processor.add_keyword('Bay Area')# 3. 處理目標句子并提取相應關鍵詞keywords_found = keyword_processor.extract_keywords('I love big Apple and Bay Area.')# 4. 結果print(keywords_found)# ['Bay Area']
標記關鍵詞位置
如果你需要獲取關鍵詞在句子中的位置,在extract_keywords
的時候添加span_info=True
參數即可:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. 添加關鍵詞keyword_processor.add_keyword('Big Apple', 'New York')keyword_processor.add_keyword('Bay Area')# 3. 處理目標句子并提取相應關鍵詞, 并標記關鍵詞的起始、終止位置keywords_found = keyword_processor.extract_keywords('I love big Apple and Bay Area.', span_info=True)# 4. 結果print(keywords_found)# [('New York', 7, 16), ('Bay Area', 21, 29)]
獲取目前所有的關鍵詞
如果你需要獲取當前已經添加的所有關鍵詞,只需要調用處理器的get_all_keywords
函數:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. 添加關鍵詞keyword_processor.add_keyword('j2ee', 'Java')keyword_processor.add_keyword('colour', 'color')# 3. 獲取所有關鍵詞keyword_processor.get_all_keywords()# output: {'colour': 'color', 'j2ee': 'Java'}
批量添加關鍵詞
批量添加關鍵詞有兩種方法,一種是通過詞典,一種是通過數組:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. (第一種)通過字典批量添加關鍵詞keyword_dict = {"java": ["java_2e", "java programing"],"product management": ["PM", "product manager"]}keyword_processor.add_keywords_from_dict(keyword_dict)# 2. (第二種)通過數組批量添加關鍵詞keyword_processor.add_keywords_from_list(["java", "python"])# 3. 第一種的提取效果如下keyword_processor.extract_keywords('I am a product manager for a java_2e platform')# output ['product management', 'java']
單一或批量刪除關鍵詞
刪除關鍵詞也非常簡單,和添加類似:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. 通過字典批量添加關鍵詞keyword_dict = {"java": ["java_2e", "java programing"],"product management": ["PM", "product manager"]}keyword_processor.add_keywords_from_dict(keyword_dict)# 3. 提取效果如下print(keyword_processor.extract_keywords('I am a product manager for a java_2e platform'))# ['product management', 'java']# 4. 單個刪除關鍵詞keyword_processor.remove_keyword('java_2e')# 5. 批量刪除關鍵詞,也是可以通過詞典或者數組的形式keyword_processor.remove_keywords_from_dict({"product management": ["PM"]})keyword_processor.remove_keywords_from_list(["java programing"])# 6. 刪除了java programing關鍵詞后的效果如下keyword_processor.extract_keywords('I am a product manager for a java_2e platform')# ['product management']
3.高級使用
支持額外信息
前面提到在添加關鍵詞的時候第二個參數為其別名,其實你不僅可以指示別名,還可以將額外信息放到第二個參數中:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器kp = KeywordProcessor()# 2. 添加關鍵詞并附帶額外信息kp.add_keyword('Taj Mahal', ('Monument', 'Taj Mahal'))kp.add_keyword('Delhi', ('Location', 'Delhi'))# 3. 效果如下kp.extract_keywords('Taj Mahal is in Delhi.')# [('Monument', 'Taj Mahal'), ('Location', 'Delhi')]
這樣,在提取關鍵詞的時候,你還能拿到其他一些你想要在得到此關鍵詞時輸出的信息。
支持特殊單詞邊界
Flashtext 檢測的單詞邊界一般局限于 w [A-Za-z0-9_] 外的任意字符,但是如果你想添加某些特殊字符作為單詞的一部分也是可以實現的:
fromflashtext importKeywordProcessor# 1. 初始化關鍵字處理器keyword_processor = KeywordProcessor()# 2. 添加關鍵詞keyword_processor.add_keyword('Big Apple')# 3. 正常效果print(keyword_processor.extract_keywords('I love Big Apple/Bay Area.'))# ['Big Apple']# 4. 將 '/' 作為單詞一部分keyword_processor.add_non_word_boundary('/')# 5. 優化后的效果print(keyword_processor.extract_keywords('I love Big Apple/Bay Area.'))# []
4.結尾
個人認為這個模塊已經滿足我們的基本使用了,如果你有一些該模塊提供的功能之外的使用需求,可以給 flashtext 貢獻代碼:
https://github.com/vi3k6i5/flashtext
附 FlashText 與正則相比查詢關鍵詞所花費的時間之比:
附 FlashText 與正則相比替換關鍵詞所花費的時間之比:
這篇文章如果對你有幫助的話,記得轉發一下哦。
我們的文章到此就結束啦,如果你喜歡今天的Python 實戰教程,請持續關注Python實用寶典。
-
算法
+關注
關注
23文章
4607瀏覽量
92842 -
關鍵詞
+關注
關注
0文章
16瀏覽量
9809 -
文本
+關注
關注
0文章
118瀏覽量
17082
發布評論請先 登錄
相關推薦
評論