Acora

アコラは、Python用の「fgrepは '、高速マルチキーワードテキスト検索エンジンです。
キーワードのセットに基づいて、検索オートマトン（DFA）を生成し、ユニコードまたはバイト数のいずれか、文字列入力の上、それを実行します。
アコラはアホ - CorasickアルゴリズムとNFAツーDFA Powersetの構造に基づいています。
アコラは、純粋なPython実装とCythonで書かれた高速なバイナリモジュールの両方が付属しています。
私はそれをどのように使うのですか？
パッケージをインポートします。
>>>アコラインポートAcoraBuilderから
いくつかのキーワードを収集します。
>>>ビルダー= AcoraBuilder（ 'AB'、 'BC'、 'デ·'）
>>> builder.add（ 'A'、 'B'）
現在のキーワードセットのアコラの検索エンジンを生成します。
>>> AC = builder.build（）
すべての出現のための文字列を検索します。
>>> ac.findall（ 'ABC'）
[（A ''、0）、（「AB」、0）、（「B」、1）、（「BC」、1）]
>>> ac.findall（ 'ABDE'）
[（A ''、0）、（「AB」、0）、（「B」、1）、（「デ」、2）]
彼らが来るように、検索結果を反復処理：
>>> ac.finditer（ 'ABDE'）でKW、POSのための：
...印刷（ "％2sを[％D]「％（KW、POS））
＆NBSP; [0]
AB [0]
＆NBSP; B [1]
ド[2]
よくある質問とレシピ
1.どのように私は、最長一致キーワードの欲張り探索を実行しますか？
＆NBSP; >>>ビルダー= AcoraBuilder（ 'A'、 'AB'、 'ABC'）
＆NBSP; >>> AC = builder.build（）
＆NBSP; >>> ac.finditer（ 'abbabc'）でKW、POSのための：
＆NBSP; ...印刷（KW）
＆NBSP;
＆NBSP; AB
＆NBSP;
＆NBSP; AB
＆NBSP; ABC
＆NBSP; >>>のitertools輸入GROUPBYから
＆NBSP; >>>オペレータ輸入itemgetterから
＆NBSP; >>>デフ（試合）をlongest_match：
＆NBSP; ... POSのため、GROUPBYでmatch_set（マッチ、itemgetter（1））：
＆NBSP; ...降伏最大（match_set）
＆NBSP; >>>キロワット、POS longest_match中（ac.finditer（ 'abbabc'））のための：
＆NBSP; ...印刷（KW）
＆NBSP; AB
＆NBSP; ABC
2.どのように私はfgrepのがするように、ライン·バイ·ラインを解析しますが、任意の行末を持つのですか？
＆NBSP; >>>デフgroup_by_lines（S、*キーワード）：
＆NBSP; ...ビルダー= AcoraBuilder（ ' rを'、 ' n'は、*キーワード）
＆NBSP; ... AC = builder.build（）
＆NBSP; ...
＆NBSP; ... current_line_matches = []
＆NBSP; ... last_ending =なし
＆NBSP; ...
＆NBSP; ... KWため、ac.finditer（複数可）でのPOS：
＆NBSP; ...場合は ' rをする n'でKW：
＆NBSP; ... last_ending場合== ' rとキロワット==' n 'は：
＆NBSP; ...続きを＃はCRLFを組み合わせました
＆NBSP; ...利回りタプル（current_line_matches）
＆NBSP; ...デルcurrent_line_matches [：]
＆NBSP; ... last_ending =キロワット
＆NBSP; ... ELSE：
＆NBSP; ... last_ending =なし
＆NBSP; ... current_line_matches.append（KW）
＆NBSP; ...利回りタプル（current_line_matches）
＆NBSP; >>> kwds = ['AB'、 'BC'、 'ド']
＆NBSP; >>> group_by_linesで一致するもの（ '​​ rを rのNBC rを ndede N 逮捕'、* kwds）：
＆NBSP; ...印刷（マッチ）
＆NBSP;（）
＆NBSP;（）
＆NBSP;（ 'BC'、）
＆NBSP;（ '·デ·'、 'デ·'）
＆NBSP;（）
＆NBSP;（ 'AB'）

この機能は：

このUnicode文字列とバイト文字列で動作します
ほとんどの入力のためのPythonの正規表現エンジンの約2〜3倍の速さ
重複試合、すべてのキーワードのすなわちすべての一致を検索します
大文字小文字を区別しない検索のためのサポート（〜10倍の速さで '再'）
検索中GILを解放します
追加（遅いが短い）、純粋なPython実装
Pythonの2.5+および3.xのサポート
ファイル内を検索するためのサポート
寛容なBSDライセンス

このリリースで新しい何が：事前に構築された検索エンジンのための

このピクルスサポート
Builderのパフォーマンスの最適化
ユニコードの解析には、Python 3.3用に最適化され、後にされています
--with-cythonオプションがsetup.pyに渡されない限り、Cythonは、インストールされている場合、もはやソースを再コンパイル（0.20+ Cythonを必要としません）
最近のCythonのバージョンで失敗しましたビルド
Cython 0.20.1を使用して構築されました

このバージョン1.6の新機能です：

この実質的に速いオートマトンの建物
もはやソース配布中の.hgレポを含みません
Cython 0.15（RC0）を使用して構築

このバージョン1.5の新機能です：

このCythonコンパイルNFS-2-DFA構成は、実質的に高速に実行されます
Cythonがインストールされていない場合でも、常に拡張モジュールをビルド
拡張モジュールの建物を防止するためのsetup.pyで--no-コンパイルスイッチ
Cython 0.14.1（RC2）を使用して構築

このバージョン1.4の新機能である：内部検索エンジンのループでます。

マイナースピードアップ
いくつかのコードのクリーンアップ
Cythonの0.12.1を使用して構築された（最終）

この要件：

このパイソン