Home / Questions / 90989
Accepted
Jorge Ponti
Asked: 2020-07-28 05:57:38 +0800 CST 2020-07-28 05:57:38 +0800 CST

Python 3 中的字符串匹配

  • 772

亲爱的，有人知道在文本字符串之间查找非精确匹配的方法吗？

例如：

我有以下文本“STATUS MSG PACK ACM L”（第 1 列），它应该返回“PACK L”（第 2 列）。

我有 2 个列表，一个由一个人编写的较长文本，另一个与要搜索的消息相对应，这是正确的一个。

我附上了两个列表的示例：应在第 2 列中搜索第 1 列，并返回第 2 列中最相关的元素：

https://drive.google.com/file/d/0B11sJdX_AaJBd2lvWGszaFpXM2c/view?usp=sharing

python

1 Answers

  1. Best Answer

    对于模糊搜索，有多种工具和方法，但使用工厂 Python，我们已经有了基础库difflib，可以让我们获得ratio字符串之间的相似性。例如：

    from difflib import SequenceMatcher as SM

s1 = 'Hola Mundo'
s2 = 'Hola Mundo cruel'
print(SM(None, s1, s2).ratio())

s1 = 'Hola Mundo'
s2 = 'Hola Mundo!'
print(SM(None, s1, s2).ratio())
> 0.7692307692307693
> 0.9523809523809523

    在这个例子中，我们测量了Hola Mundo与其他字符串的相似性，我们看到逻辑上它Hola Mundo!获得了大于 的相似度Hola Mundo cruel。然后的想法是遍历一个列表，对于每个元素，检查与第二个列表中元素的比率，最大的将是最相似的。像这样的东西：

    import difflib

lista1 = ["STATUS MSG PACK ACM L"]
lista2 = ["LOW LIMIT VALVE L",
          "LOW LIMIT VALVE R",
          "PACK ACM L",
          "PACK ACM R",
          "PACK L",
          "PACK MODE L",]

d = difflib.Differ()

for search in lista1:
  matches = sorted(lista2, key=lambda x: difflib.SequenceMatcher(None, x, search).ratio(), reverse=True)    
  print("{0} se compara con {1} el más parecido es {2}".format(search, matches, matches[0]))

    在matches我们最终得到第二个列表的元素时，从相似性从大到小排序，第一个元素应该是最优的。

    重要提示：通过这种方式，我们将始终找到“相似性”，作为额外的改进，您可能必须考虑ratio最小的相似性才能考虑已实现“匹配”，该值只能通过实验来定义。

    更好的是 FjSevilla 建议的方法，因为它更紧凑，而且它已经包含了评估最小比率的逻辑：

    matches = difflib.get_close_matches(search, possibilities = lista2, n = 1, cutoff = 0.6)

    出于好奇，有必要指出difflib它强烈基于1987 年的格式塔方法算法。

    • 6