时间戳

首页 > 解决方案 > 我应该使用哪种字符串度量或 NLP 算法来查找不同 URL 中的子字符串

python - 我应该使用哪种字符串度量或 NLP 算法来查找不同 URL 中的子字符串

问题描述

我正在尝试查找具有用户提供的关键字的 URL。

Eg. Keyword - 'Avengers' 
#URL1: www.xyzmovies.com/Avengers_2019/243564
#URL2: www.avengers.org/4r43435
#URL3: www.abcmovies.co/23543/avenngers_34435/walt/marvel/comics

难点在于网址没有单一的标准，关键字可以出现在网址中的任何位置。需要捕获也有拼写错误的 url。

哪种算法最适合在 python 中完成这项任务。

标签： pythonstringurl

解决方案

如果我理解正确，您可以使用

"keyword".lower() in url.lower()

如果关键字在 URL 中，则返回 True，否则返回 False。.lower() 确保结果不区分大小写。为了解决拼写错误，我会查看stringgrouper或fuzzywuzzy库。Fuzzywuzzy 的部分比率非常适合这种情况，因为它专门查看部分字符串匹配，因此您的关键字“Avengers”将被视为与 URL1 的完美匹配，而“Avnegers”可能仍然具有高分。

推荐阅读