Question

我正在构建一个去识别工具。它用其他名称替换所有名称。

我们收到了一份报告＆lt; name＆gt; Peter＆lt; / name＆gt;遇到＆lt; name＆gt; Jane＆lt; / name＆gt;昨天。＆LT;名称＆gt;＆彼得LT; /名称＆gt;很可疑。

outpout：

我们收到了＆lt; name＆gt; Billy＆lt; / name＆gt;的报告遇到＆lt; name＆gt; Elsa＆lt; / name＆gt;昨天。＆LT;名称＆gt;＆比利LT; /名称＆gt;很可疑。

它可以在多个文档上完成，并且一个名称总是被相同的对应文件替换，因此您仍然可以理解文本的对象。但是，所有文档都有一个ID，指的是此文件所涉及的人（我正在使用公共服务中的文件），只有具有相同人员ID的文档将以相同的方式取消标识，具有相同的名称。（目标是观察进化和人们的历史）这是一种安全措施，例如当我将工具交给第三方时，我不会将密钥交给我自己的文件。

因此，具有不同ID的相同输入会产生：

我们收到了＆lt; name＆gt; Henry＆lt; / name＆gt;的报告met＆lt; name＆gt; Alicia＆lt; / name＆gt;昨天。＆LT;名称＆gt;亨利LT; /名称＆gt;很可疑。

现在，我正在使用文档ID将每个名称哈希作为salt，我将哈希转换为整数，然后减去名称列表的长度，直到我可以请求具有该整数的名称作为指示。但我觉得应该有更快/更直接的方法吗？

这实际上更像是一个算法问题，但是如果它有任何相关性我正在使用python 2.7请在需要时请求更多解释。谢谢！

我希望通过这种方式更加清晰ô_o抱歉，当你在代码中处于领先地位时，你会忘记其他人需要更大的图片来了解你是如何到达那里的。

Answer 1

正如@LutzHorn指出的那样，你可以使用dict将真实姓名映射到虚假名称。

你也可以这样做：

existing_names =  []
for nameocurrence in original_text:
    if not nameoccurence.name in existing_names:
        nameoccurence.id = len(existing_names)
        existing_names.append(nameoccurence.name)
    else:
        nameoccurence.id = existing_names.index(nameoccurence.name)

for idx, _ in enumerate(existing_names):
    existing_names[idx] = gimme_random_name()

Answer 2

尝试使用名称字典。

import re

names = {"Peter": "Billy", "Jane": "Elsa"}

for name in re.findall("<name>([a-zA-Z]+)</name>", s):
    s = re.sub("<name>" + name + "</name>", "<name>"+ names[name] + "</name>", s)
print(s)

输出：

'We got a report that <name>Billy</name> met <name>Elsa</name> yesterday. <name>Billy</name> is suspicious.'

匹配十六进制字符串与列表indice

2 个答案: