Python包用于在文件/网址/字符串中查找预定义关键词/标签

Question

有没有什么Python的库可以把一堆关键词或者标签和某个字符串、文件或者网址进行匹配呢？

具体来说，是想用词干提取或者其他一些同义词的方式来进行匹配。

比如，我预先保存的关键词有：

Ski,

Bike,

Climb

我的文本是：

Skiing in the mountains is great

应该被标记为 Ski

Skiing and mountain biking is fun

应该被标记为 Ski 和 Bike

如果我有一个同义词文件，把 Bike 映射到 MTB，

MTB is a great way to spend the day

应该被标记为 Bike

Answer 1

可以查看Thesaurus（你也可以尝试其他模块，比如synonym模块）。

另外，你可以用in来测试句子中是否包含特定的字符串：

>>> 'Ski' in 'Skiing in the mountains is great'
True
>>> 'Bike' in 'Skiing in the mountains is great'
False

Answer 2

我不知道有什么现成的工具可以做到这一点，但其实用普通的Python就很简单。你可以使用标准库里的re（正则表达式）模块。像这样：

import re
key_words =['ski','bike','climb'] 
input = "Skiing and mountain biking is fun"

input_words = input.split()#split on space
[word.lower() for word in input_words]
input_tags =[]
for word in input_words:
   for key in key_words:
      if re.search(key,word):
         input_tags.append(key)