我们针对抓取来的页面进行关键词匹配，但是随着爬虫的量级越来越大，关键词计算有些算不过来….  数据队列已经到了100w左右….  又在多个节点上，发布了docker化的关键词匹配服务。  关键词匹配服务的服务器数量已经到了10台，里面的代码逻辑已经做到最优，相关的算法也是用的ac自动机(ahocorasick）,我们也看了下python的ahocorasick实现代码，可以说这老外写得不错，代码质量很高，算法实现也很清晰。 在python ahocorasick模块也没几个可以选。   同事小军也在折腾关于他那边业务的ac自动机逻辑，会出现一个问题。 举个例子，我的关键字是 iphone  ，我匹配的内容是 “iphone iphone5 iphone6” ,但是用python下的ahocorasick匹配的结果是iphone，没有匹配到iphone5和6。 根据ac自动机原理，他是可以匹配到iphone5的，java版本是可以全部匹配的。    个人觉得，python ahocorasick 是做了相关的匹配精度，所有才没有把iphone5匹配到。  

http://xiaorui.cc/?p=1535

正体，python的gil限制了他计算的性能，这种多匹配模式也不太适合用multiprocessing多进程。 今天正好同事分享了golang，那，重新拾起我曾经抛弃的golang，来解决性能问题。  后期会做成http api服务，供业务层接入。 

export GOROOT=/usr/lib/go
export GOPATH=$HOME/go
go get github.com/gansidui/ahocorasick
go build ac.go

package main

import (
    "fmt"
    "github.com/gansidui/ahocorasick"
)

func main() {
    ac := ahocorasick.NewMatcher()

    dictionary := []string{"hello", "world", "nima", "google", "golang", "c++", "xiaorui"}

    ac.Build(dictionary)

    ret := ac.Match("hello golang google, i love golang!!! xiaorui xiaorui.cc")

    for _, i := range ret {
        fmt.Println(dictionary[i])
    }
}

---

大家觉得文章对你有些作用！ 如果想赏钱，可以用微信扫描下面的二维码，感谢!
另外再次标注博客原地址  xiaorui.cc