與Python部分字符串匹配

我想比較一些文本與預先構建的單詞列表，特別是汽車製造商。問題是我所比較的文本是由人類編寫的，並不總是可靠的。例如，我想找到「Harley Davidson」，但文中實際上寫着「Hardley Davidson」或其他粗心的錯字。與Python部分字符串匹配

我不認爲我可以使用正則表達式來解決這個問題......或者我可以嗎？是否有部分字符串匹配功能？也許我可以定義一個必須匹配的字符串的百分比。

來源

2015-07-10 William Keidel

嘗試模糊wuzzy – The6thSense

http://streamhacker.com/2011/10/31/fuzzy-st ring-matching-python /你會發現nltk很有用 –

這看起來很不錯。以前沒見過。現在嘗試。 –

你可以使用fuzzywuzzy模塊

from fuzzywuzzy import fuzz 
fuzz.partial_ratio("Harley Davidson","Hardley Davidson") 
93

更多模糊wuzzy和它的方法試試這個link

來源

2015-07-10 13:08:44 The6thSense

看起來不錯。你有足夠的經驗來了解一個適當的比例作爲閾值嗎？ 75％可能是我首先想到的。 –

@WilliamKeidel有很多方法看第二個鏈接，然後選擇一個合適的方法然後考慮閾值 – The6thSense

這就是所謂的編輯距離：https://en.wikipedia.org/wiki/Edit_distance 您可以使用NLTK或Levensthein https://pypi.python.org/pypi/python-Levenshtein/做

這裏是一個使用Levenshtein（比nltk edit_distance函數更快）的例子，你首先安裝ton圖書館（鏈接提供）：

# -*- coding:utf-8 -*- 
import Levenshtein 

mylist = ["harley davidson", "kawazaki"] 

for element in mylist: 
    if Levenshtein.distance(element.lower(), "Hardley Davidson".lower()) == 1: 
     print("same word with mispelling")

BTW：

我降低情況下，這裏的一切，你可以做到這一點或不
你可以，但不是一個，如果mispellings是一個更大的距離倍數

來源

2015-07-10 13:14:02

與Python部分字符串匹配

回答

相關問題