点此进入CSDN

点此添加QQ好友 加载失败时会显示




python异步字符串查找,asyncio和marisa_trie

 

自然语言处理当中经常需要字符串的查找操作,比如通过查找返回字串在文本当中的位置,比如通过匹配实现的ner

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
import pandas as pd
import asyncio
 
# data = pd.read_csv("guba_fc_result_20230413.csv")
 
data = pd.read_csv("guba_all_post_20230413.csv")
filename = "cate_group.txt"
 
def read_list_from_file(filename):
    with open(filename, 'r') as f:
        lst = [line.strip() for line in f]
    return lst
 
cate_group = read_list_from_file(filename)
 
 
import marisa_trie
# 构建trie
trie = marisa_trie.Trie(cate_group)
  
# 匹配长字符串
# long_string = '宁德时代是做锂电池的'
  
# results = []
# for i in range(len(long_string)):
#     matches = trie.prefixes(long_string[i:])
#     # 输出匹配结果
#     if matches:
#         for matche in matches:
#             results.append(matche)
  
# print(results)
 
 
async def match_text(long_string):
    long_string = str(long_string)
    results = []
    for i in range(len(long_string)):
        matches = trie.prefixes(long_string[i:])
        # 输出匹配结果
        if matches:
            for matche in matches:
                results.append(matche)
    return results
  
async def main():
    tasks = []
    for i in data["text"]:
        tasks.append(asyncio.create_task(match_text(i)))
    matches_list = await asyncio.gather(*tasks)
 
    data["matches"] = matches_list
 
    print(matches_list)
    data.to_csv("guba_all_matches_20230413.csv")
  
if __name__ == '__main__':
    asyncio.run(main())

  

 

posted @   高颜值的殺生丸  阅读(21)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 如何调用 DeepSeek 的自然语言处理 API 接口并集成到在线客服系统
· 【译】Visual Studio 中新的强大生产力特性
· 2025年我用 Compose 写了一个 Todo App

作者信息

昵称:

刘新宇

园龄:4年6个月


粉丝:1209


QQ:522414928

点击右上角即可分享
微信分享提示