如何实现链接的精确关键词匹配筛选？避免子串匹配问题

问题场景 #

有一组链接需要筛选出包含精确匹配关键词（如join、career）的链接，示例链接列表：

links = ['https://enzymocore.com/news/august-2015-joint-venture-in-peru/', 'https://enzymocore.com/join-us']

当关键词为join时，仅需获取第二个链接，但原代码会误将包含joint的第一个链接也纳入结果：

finallink = []
for link in links:
    if 'join' in link:
        finallink.append(link)

解决方案 #

方法1：正则表达式匹配单词边界 #

利用正则的\b（单词边界）确保关键词是独立单元，不会匹配包含它的子串：

import re

keywords = ['join', 'career']
links = ['https://enzymocore.com/news/august-2015-joint-venture-in-peru/', 'https://enzymocore.com/join-us']
finallink = []

for link in links:
    # 遍历关键词，匹配任意一个精确关键词
    if any(re.search(rf'\b{re.escape(key)}\b', link) for key in keywords):
        finallink.append(link)

print(finallink)  # 输出: ['https://enzymocore.com/join-us']

注：用re.escape()处理关键词，避免关键词含特殊正则字符时出错。

方法2：分割链接片段后检查 #

把链接按/和-分割成独立片段，检查关键词是否为完整片段：

keywords = {'join', 'career'}  # 用集合提升查找效率
links = ['https://enzymocore.com/news/august-2015-joint-venture-in-peru/', 'https://enzymocore.com/join-us']
finallink = []

for link in links:
    # 拆分链接中的所有分隔片段
    parts = re.split(r'[-/]', link)
    if any(key in parts for key in keywords):
        finallink.append(link)

print(finallink)  # 输出: ['https://enzymocore.com/join-us']

方法3：直接匹配关键词的分隔场景 #

如果关键词通常出现在路径分隔符前后，直接检查这类固定格式：

keywords = ['join', 'career']
links = ['https://enzymocore.com/news/august-2015-joint-venture-in-peru/', 'https://enzymocore.com/join-us']
finallink = []

for link in links:
    for key in keywords:
        # 匹配关键词前是/、后是-，或链接以关键词结尾的情况
        if f'/{key}' in link or f'{key}-' in link or link.endswith(key):
            finallink.append(link)
            break

print(finallink)  # 输出: ['https://enzymocore.com/join-us']

内容的提问来源于stack exchange，提问作者glitch_123