Python字符串非精确匹配场景下替代switch语句的方案探讨

我之前处理网页爬取的时候也遇到过一模一样的问题——那些网页标题要么有变体（比如Fees & Funding和Fees），要么偶尔有拼写错误，精确匹配的字典方案根本顶不住，链式if-elif-else写多了又像面条代码，维护起来头疼。这里有几个更灵活的替代方案，完美适配你的子串匹配需求：

方案1：关键词-函数映射列表（最直接好维护） #

这个思路是把「关键词」和「对应的处理函数」做成一个有序列表，遍历每个标题时，检查列表里的关键词是否是标题的子串，找到第一个匹配的就执行对应函数。优点是逻辑清晰，调整匹配优先级、新增关键词都非常方便。

# 先定义各个板块的处理函数
def handle_overview(content):
    # 这里写处理overview板块的逻辑
    print(f"Processing overview: {content.text[:50]}...")

def handle_fees(content):
    # 处理fees/funding相关的逻辑
    print(f"Processing fees/funding: {content.text[:50]}...")

def handle_takeaways(content):
    # 处理takeaways板块的逻辑
    print(f"Processing takeaways: {content.text[:50]}...")

def handle_default(content):
    # 没有匹配到关键词时的默认处理
    print(f"Processing unknown section: {content.text[:50]}...")

# 定义关键词-函数映射列表，按匹配优先级排序（靠前的关键词先匹配）
section_handlers = [
    ("overview", handle_overview),
    ("fees", handle_fees),
    ("funding", handle_fees),  # 把funding也映射到fees的处理函数
    ("takeaways", handle_takeaways),
    # 可以随时添加新的关键词-函数对
]

# 遍历页面中的标题和内容
tags = browser.find_elements_by_xpath("//div[@class='main-content-entry']/h2")
for tag in tags:
    heading = tag.get_attribute("textContent").lower().strip()
    content = tag.parent
    matched = False
    # 遍历映射列表，找第一个匹配的关键词
    for keyword, handler in section_handlers:
        if keyword in heading:
            handler(content)
            matched = True
            break
    if not matched:
        handle_default(content)

为什么这个方案更好？ #

• 维护成本低：新增/修改关键词或者处理逻辑，只要调整section_handlers列表或者对应的函数就行，不用动核心遍历代码。
• 支持多关键词对应同一函数：比如把funding和fees都指向handle_fees，完美处理标题变体。
• 匹配优先级可控：把更常见、更精确的关键词放在列表前面，避免被宽泛的关键词提前匹配。

方案2：装饰器注册处理函数（更模块化） #

如果你的处理函数比较多，想让每个函数和它负责的关键词绑定在一起，可以用装饰器来注册，代码结构会更清晰：

# 初始化一个处理函数注册表
section_handlers = []

def register_handler(*keywords):
    """装饰器：给处理函数注册要匹配的关键词"""
    def decorator(func):
        for keyword in keywords:
            section_handlers.append((keyword.lower(), func))
        return func
    return decorator

# 用装饰器注册处理函数，每个函数可以绑定多个关键词
@register_handler("overview")
def handle_overview(content):
    print(f"Processing overview: {content.text[:50]}...")

@register_handler("fees", "funding", "fees & funding")
def handle_fees(content):
    print(f"Processing fees/funding: {content.text[:50]}...")

@register_handler("takeaways", "key takeaways")
def handle_takeaways(content):
    print(f"Processing takeaways: {content.text[:50]}...")

def handle_default(content):
    print(f"Processing unknown section: {content.text[:50]}...")

# 核心遍历逻辑和方案1完全一致
tags = browser.find_elements_by_xpath("//div[@class='main-content-entry']/h2")
for tag in tags:
    heading = tag.get_attribute("textContent").lower().strip()
    content = tag.parent
    matched = False
    for keyword, handler in section_handlers:
        if keyword in heading:
            handler(content)
            matched = True
            break
    if not matched:
        handle_default(content)

这个方案的优势： #

• 模块化更强：每个处理函数的职责和匹配关键词一目了然，不用在单独的列表里找对应关系。
• 扩展性好：新增处理板块时，直接写函数加装饰器就行，不用修改其他代码。

方案3：模糊匹配（应对拼写错误） #

如果网页标题经常有拼写错误（比如把fees写成fes），可以用模糊字符串匹配来提高容错率。这里可以用fuzzywuzzy库（需要先安装：pip install fuzzywuzzy python-Levenshtein）：

from fuzzywuzzy import fuzz

# 定义关键词-函数映射
section_handlers = {
    "overview": handle_overview,
    "fees": handle_fees,
    "takeaways": handle_takeaways
}

# 遍历处理
tags = browser.find_elements_by_xpath("//div[@class='main-content-entry']/h2")
for tag in tags:
    heading = tag.get_attribute("textContent").lower().strip()
    content = tag.parent
    # 计算标题和每个关键词的相似度，找最匹配的那个
    max_similarity = 0
    best_match_keyword = None
    for keyword in section_handlers:
        # partial_ratio用于子串模糊匹配，适合标题包含关键词的情况
        similarity = fuzz.partial_ratio(keyword, heading)
        if similarity > max_similarity:
            max_similarity = similarity
            best_match_keyword = keyword
    # 设置相似度阈值（比如80分以上才认为匹配）
    if max_similarity >= 80:
        section_handlers[best_match_keyword](content)
    else:
        handle_default(content)

注意事项： #

• 要调整合适的阈值：阈值太高会漏匹配，太低会误匹配，建议根据实际网页标题的错误情况调整。
• 性能：如果页面标题很多，模糊匹配会比精确子串匹配慢一点，不过一般爬取场景下影响不大。

• 如果只是应对标题变体，方案1足够好用，简单直接易维护。
• 如果处理函数多、想更模块化，选方案2。
• 如果有大量拼写错误，再考虑方案3的模糊匹配。

内容的提问来源于stack exchange，提问作者thegreatjedi