Python对比嵌套列表、将共享3个及以上URL的关键词分组的实现方法

第一步：数据结构预处理 #

首先把所有关键词和对应的URL整理为字典，URL用集合类型存储，方便后续快速计算两个URL列表的交集。

# 示例输入数据，把你自己的关键词和对应URL替换进来即可
keyword_url_map = {
    "关键词A": {"url1", "url2", "url3", "url4", "url5", "url6", "url7", "url8", "url9", "url10"},
    "关键词B": {"url2", "url3", "url4", "url11", "url12", "url13", "url14", "url15", "url16", "url17"},
    "关键词C": {"url3", "url4", "url11", "url18", "url19", "url20", "url21", "url22", "url23", "url24"},
    "关键词D": {"url25", "url26", "url27", "url28", "url29", "url30", "url31", "url32", "url33", "url34"}
}

第二步：聚类逻辑实现 #

你的需求本质是找连通分量：只要两个关键词满足共享URL≥3的条件，就归为同一组，组内所有关联的关键词都会被聚合到一起。

clusters = []  # 存储最终的分组结果
processed_keywords = set()  # 记录已经被分到组里的关键词，避免重复处理

for keyword in keyword_url_map:
    # 如果当前关键词已经被处理过，直接跳过
    if keyword in processed_keywords:
        continue
    # 新建一个分组，先把当前关键词加进去
    current_cluster = [keyword]
    processed_keywords.add(keyword)
    # 遍历所有还没处理的关键词，判断是否符合加入当前分组的条件
    for other_keyword in keyword_url_map:
        if other_keyword in processed_keywords:
            continue
        # 计算两个关键词URL的交集数量
        common_url_count = len(keyword_url_map[keyword] & keyword_url_map[other_keyword])
        if common_url_count >= 3:
            current_cluster.append(other_keyword)
            processed_keywords.add(other_keyword)
    # 把当前分组合并到最终结果里
    clusters.append(current_cluster)

# 打印最终分组结果
for idx, cluster in enumerate(clusters, 1):
    print(f"分组{idx}: {cluster}")

运行结果说明 #

以上面的示例输入为例，运行后会输出：

分组1: ['关键词A', '关键词B', '关键词C']
分组2: ['关键词D']

新手注意事项 #

• 如果你原来的URL是存在列表里的，转成集合只需要调用set(你的URL列表变量)即可，不需要手动改格式
• 用集合计算交集的效率远高于遍历列表逐一比对，数据量越大优势越明显
• 代码已经处理了连锁分组的场景：比如A和B符合条件、B和C符合条件，A、B、C会自动归为同一组，不需要额外写逻辑处理

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