You need to enable JavaScript to run this app. 乌尔都语字符串子串匹配实现及现有Python代码问题排查求助
优惠活动
大模型
产品
解决方案
定价
更多

乌尔都语字符串子串匹配实现及现有Python代码问题排查求助

问题原因分析
  • 匹配逻辑完全倒置:in操作符的判断逻辑是「左边字符串是否为右边字符串的子串」,原代码将拆分后带多余内容的长片段放在左侧,较短的参考字符串放在右侧,自然全部匹配失败。
  • 多余的拆分逻辑易出错:不需要拆分-前后内容,部分待检测串本身不含-,执行split("-")[1]会直接触发索引越界报错;拆分后得到的片段带省略号、多余后缀等内容,进一步提升匹配难度。
  • 未对准匹配规则核心:没有针对规则要求的最低匹配片段آزاد دائرۃ做判断,逻辑完全偏离需求。
修正后代码实现

以下代码可完全符合你给出的匹配预期:

# 定义参考字符串及匹配规则要求的有效片段
fullstring = "آزاد دائرۃ المعارف، ویکیپیڈیا"
match_keywords = ["آزاد دائرۃ", "ویکیپیڈیا"]

# 所有待检测子串
test_substrings = [
    "افریقی نژاد امریکی شہری حقوق کی تحریک (1955–1968) - آزاد دائرۃ ...",
    "Urdu English Translator حاصل کریں - Microsoft Store ur-PK",
    "ببر شیر - آزاد دائرۃ المعارف، ویکیپیڈیا",
    "اقوام متحدہ - ویکیپیڈیا",
    "واقعہ کربلا - آزاد دائرۃ المعارف",
    "Inaugural Address - Urdu | JFK Library",
    "دنیا میں امریکہ کے مقام کے بارے میں صدر بائیڈن کا خطاب - United ...",
    "ایران امریکہ کشیدگی: امریکی صدور اور جنگوں کی مبہم قانونی ..."
]

# 批量测试匹配结果
for idx, substring in enumerate(test_substrings, 1):
    match_result = any(keyword in substring for keyword in match_keywords)
    print(f"substring{idx} 匹配结果:{match_result}")

扩展优化思路

如果后续参考字符串会频繁调整,不想手动维护匹配关键词,可以动态从参考字符串提取指定长度的连续子串作为匹配依据:

min_match_length = 6 # 可根据乌尔都语单词平均长度调整
match_keywords = set()
for i in range(len(fullstring) - min_match_length + 1):
    match_keywords.add(fullstring[i:i+min_match_length])

Python3默认使用Unicode编码,无需额外处理乌尔都语字符的兼容问题,直接使用in做包含判断即可正常生效。

内容的提问来源于stack exchange,提问作者user.1234

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.10 06:09:00