与Python部分字符串匹配

我想比较一些文本与预先构建的单词列表，特别是汽车制造商。问题是我所比较的文本是由人类编写的，并不总是可靠的。例如，我想找到“Harley Davidson”，但文中实际上写着“Hardley Davidson”或其他粗心的错字。与Python部分字符串匹配

我不认为我可以使用正则表达式来解决这个问题......或者我可以吗？是否有部分字符串匹配功能？也许我可以定义一个必须匹配的字符串的百分比。

来源

2015-07-10 William Keidel

尝试模糊wuzzy – The6thSense

http://streamhacker.com/2011/10/31/fuzzy-st ring-matching-python /你会发现nltk很有用 –

这看起来很不错。以前没见过。现在尝试。 –

你可以使用fuzzywuzzy模块

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

更多模糊wuzzy和它的方法试试这个link

来源

2015-07-10 13:08:44 The6thSense

看起来不错。你有足够的经验来了解一个适当的比例作为阈值吗？ 75％可能是我首先想到的。 –

@WilliamKeidel有很多方法看第二个链接，然后选择一个合适的方法然后考虑阈值 – The6thSense

这就是所谓的编辑距离：https://en.wikipedia.org/wiki/Edit_distance 您可以使用NLTK或Levensthein https://pypi.python.org/pypi/python-Levenshtein/做

这里是一个使用Levenshtein（比nltk edit_distance函数更快）的例子，你首先安装ton图书馆（链接提供）：

# -*- 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：

我降低情况下，这里的一切，你可以做到这一点或不
你可以，但不是一个，如果mispellings是一个更大的距离倍数

来源

2015-07-10 13:14:02

与Python部分字符串匹配

回答

相关问题