我正在尝试解析一些网络域名(数万),看看他们是否包含任何英文单词。
对我来说,使用tldextract很容易解析这些域来获取域的主要部分,然后我尝试使用enchant来查看它们是否存在于英语词典中。
问题是我不知道如何将域名分成多个单词来检查,例如,latimes返回为False,但times将返回为True。
有没有人知道一种聪明的方法来查看字符串中是否包含英语单词?
谢谢!
发布于 2017-10-21 02:53:34
除非您需要着急,否则可以从字符串的开头或结尾剪下字母,并检查它是否是一个已知的单词;如果是,则将其截断并重复。例如,50k个单词,每个单词20个字母,最坏的情况下,你将进行100万次查找。例如,一次查找需要5ms (每次命中硬盘),它将花费5000秒(大约1.5小时),比你花在更好的算法上的时间要短。
https://stackoverflow.com/questions/46855255
复制相似问题