常，我们使用Python 在文本中进行关键词查找或替换时，会使用 re 模块以正则的形式实现。在文本数量、文本内容、关键词数量较小时，该方法能够满足我们程序的功能、性能需要。但当在大规模的文本或者对大量关键词语料查找或者替换，re 实现方案的性能将成为瓶颈，本文我们将介绍一种新的关键词搜索和替换的算法：Flashtext 算法，它是一个高效的字符搜索和替换算法。

有多高效呢？如下，是通过随机生方式生成10000个单词组成的文本，我们分别在该文本中查找由 0, 500, 1000, 5000, 10000, 50000, 100000, 200000, 400000 个关键词组成的关键词库，我们来感受一下两者的性能差异：

我们发现随着关键词查询数量的增加，Flashtext 与 re 的时间消耗存在百倍乃至千倍以上的差异 。

为何存在这么大的差异呢？Flashtext 算法的时间复杂度不依赖于查找或替换的字符的数量。如，对于一个文档有 N 个字符，和一个有 M 个词的关键词库，那么时间复杂度就是 O(N) 。而正则匹配的时间复杂度是 O(M * N) 。这也是两者在性能上的差异随着关键词数量增多而拉大的原因。

因此，在一些大数据下的内容检索和替换，我们更倾向于选择 Flashtext 算法 ，比如，自然语言处理领域中数据清洗是一项必须的操作。经常涉及使用标准的关键词替换一些非标准的词，如，将Javascript替换成JavaScript。或者我们需要判断文本中是否存在JavaScript 关键词等等。

接下来，就让我们了解一下，如何使用Flashtext 实现关键词的查找和替换。

FlashText

Flashtext 算法主要分为三部分，我们接下来将对每一部分进行单独分析：

1. 构建 Trie 字典
2. 关键词搜索
3. 关键词替换

构建 Trie 字典 （这部分不理解不影响我们使用Flashtext ）

Flashtext 是一种基于 Trie 字典数据结构和 Aho Corasick 的算法。它的工作方式是，首先它将所有相关的关键词作为输入，使用这些关键词建立一个 trie 字典。

为了构建 trie 字典，Flashtext 创建一个空的节点指向空字典。这个节点被用作所有关键词的起点。我们在字典中插入一个关键词。这个关键词中的下一个字符在本字典中作为关键词，并且这个指针需要再次指向一个空字典。这个过程不断重复，直到我们达到单词中的最后一个字符。当我们到达单词的末尾时，我们插入一个特殊的字符（eot）来表示词尾，如下：

start 和 eot 是两个特殊的字符，用来定义关键词的边界，因此，也可知 Flashtext 只匹配完整的单词，这个 trie 字典就是我们后面要用来搜索和替换的数据结构。

我们举一个简单的例子，假设我们有一个包含3个单词的句子 “I like Python”，和一个有4个关键词的语料库 corpus = [Python，Java，J2ee，Ruby]。

Flashtext 算法将对于句子中的每一个单词，检查其是否在语料库中出现，如下：

如果句子 N 个单词，意味着需要做 N 次的循环操作。在这个例子中所需的时间步取决于句子中的单词数。

如上，因为将文本中的每个字符串进行匹配，由于这是一个字符匹配过程，因为 start 并没有和 l 相连，因此可以快速的跳过的I、like的匹配，这使得跳过缺失单词的过程变得非常快。

因此，FlashText 算法不受 corpus 中关键词数量的影响。

使用 Flashtext 进行搜索

我们对输入文本中的字符进行逐个遍历，当我们在文档中的字符 word 匹配到字典中的 <start>word<eot> 时，则认为这是一个完整匹配。我们将匹配到的字符序列所对应的标准关键词进行输出，具体如下：

代码示例如下：

使用 Flashtext 进行替换

Flashtext 对输入文本中的字符进行逐个遍历，Flashtext 先创建一个空的字符串，当字符序列中的 word 无法在 Trie 字典中找到匹配时，那么Flashtext 就简单的原始字符复制到返回字符串中。但当Flashtext 可以从 Trie 字典中找到匹配时，那么Flashtext 将把匹配到的字符的标准字符复制到返回字符串中。因此，返回字符串是输入字符串的一个副本，唯一的不同是替换了匹配到的字符序列，具体如下：

代码示例如下：

性能比对

在本文开始，我们首先介绍了使用 re模块与 flashtext 模块在不同数量的关键词语料库下，两者的耗时情况差异，具体性能比对实现的源码如下：

输出结果：

Flashtext 常用方法及参数说明

add_keyword

添加关键词。

语法

参数

• keyword：检索的词。
• clean_name：显示或要被替换为的词(默认keywords本身)，如果匹配到keyword，则会返回clean_name。

示例

电商的人都希望自己的产品尽快的卖出去，既然要卖出去那首先得让买家找到我们的产品，买家是怎么在平台上找到我们的产品然后下单的呢？比较多的就是用词汇搜索，然后找到需要的产品，那么这个搜索的词汇就是对我们产品很重要的关键词。下面就跟大家聊聊我在寻找产品关键词的一些思路。

1.在平台的搜索框中寻找关键词

这是最常见的找到我们Listing的方式。关键词的设置可以包含产品的属性、材质、特点、促销信息等。卖家可以在亚马逊搜索栏或者其他平台查找和自己产品相关的最近的热门关键词，也可以在平台的热销产品中寻找。

2.在竞争对手的Listing中寻找关键词

当你找到同款产品卖的比较好的竞争对手的Listing，细心的你一定会发现这个产品的另外的一种表达方式，那么说不定哪一个词就会成为推的词语。

这个只是在产品的标题中寻找，其实还可以扩展到对手的五点、长描述、Q&A和评论中寻找。

3.在广告的中寻找关键词

下面是手动广告中的系统推荐词汇：

其实我们还可以在建立的自动广告的报告中的“Customer Search Terms

”找到客户习惯搜索的词汇。

4.分类中寻找关键词

在前期大家千万不要忽视这些类目词汇，在新品引流中他们会起到一定的作用。

5.关键词工具寻找关键词

以下是常用的关键词工具：

希望这些可以对大家有用！！！（来源： CSS平台）

以上内容属作者个人观点，不代表雨果网立场！如有侵权，请联系我们。

有任何亚马逊问题，请关注微信号【cifnewspayoneer】

更多跨境进出口消息请点击：雨果网-跨境电商智能服务平台