Cyber的博客

原创 Python：批量提取文本中的共性部分并转化为正则表达式

前言有一种竞赛需要：有5万条html文本，是由30个模板结合一个地址库结合起来的，每个模板里都有5-7个位置可以选择插入或不插入地址，地址分为6级：province（省）、city（市）、district（区）、township（镇）、street（街）、street_num（街号）。因为模板里分为right（真实的辅助地址）、wrong（错误的干扰地址）和main（street+street_num的主要地址）三种位置，所以需要对地址进行提取。常规的做法是将地址库进行全文检索，并根据某种规则判断出ri