基於排列組合方式進行有序交集提取

需求：我想要從兩個字元串中提取交集的詞，詞的順序必須一致，可以不是連續的詞。

tag=百白破疫苗

例如上述的交集為 百白破

下面是python代碼：

#####代碼說明#####

一個tag在title中命中順序對的詞的字數佔tag總字數的比例

也就是將所有順序一直的組合全部找出來

如果有多個長度一樣的最大的交集，那就將該交集對應的詞的字數計算出來，取字數

def all_combine(list1):# 獲取tag和title的全排列 combin_result = [] for i in range(1, len(list1) + 1): iter = itertools.combinations(list1, i) combin_result.append(list(iter)) return combin_resulttag=百白破疫苗title=疫苗吸附無細胞百白破聯合tag_list=jieba.lcut(tag)title_list=jieba.lcut(title)tag_index = []for itme in enumerate(tag_list): tag_index.append(itme[0]) # 取出tag命中標題中的部分字的索引值tag_hit_index = []for word in title_list: for item in enumerate(tag_list): if item[1]==word: tag_hit_index.append(item[0])list1 =tag_indexlist2 = tag_hit_indexlist1_tuple=all_combine(list1)list2_tuple=all_combine(list2)list1_list=[]list2_list=[]for i in list1_tuple: for j in i: list1_list.append(j)for i in list2_tuple: for j in i: list2_list.append(j)print(list1_list)print(list2_list)jiaoji=[]for i in list1_list: for j in list2_list: if i==j: jiaoji.append(j)print(jiaoji)list_lenth=[]for i in jiaoji: list_lenth.append(len(i))maxlen=max(list_lenth)print(maxlen)allword=[]jiaoji_loc=[]for i in jiaoji: word = [] if len(i)==maxlen: jiaoji_loc.append(i) for item in enumerate(tag_list): for j in i: if j==item[0]: word.append(item[1]) print(.join(word)) allword.append(.join(word))print(allword)allword_len=[]for word in allword: allword_len.append(len(word))max_len=max(allword_len)for word in allword: if len(word)==max_len: print(word) break

推薦閱讀：