Python字符串相似性（具有复杂性）_Python_Python 3.x_String_Search_Levenshtein Distance

Python字符串相似性（具有复杂性）

python python-3.x string search

Python字符串相似性（具有复杂性）,python,python-3.x,string,search,levenshtein-distance,Python,Python 3.x,String,Search,Levenshtein Distance,我有一个字符串，我想匹配一个候选人名单。以下是一个例子： # ignore case string = "The Shining" # The Stanley Kubrick Movie candidates = ['Shining', 'The shins', 'Shining, The'] most_similar(string, candidates) ==> 'Shining, The' 在进行“文字字符串比较”时，我通常在这种情况下使用or比率。但是，我想做一个更复杂的相似性

我有一个字符串，我想匹配一个候选人名单。以下是一个例子：

# ignore case
string = "The Shining" # The Stanley Kubrick Movie
candidates = ['Shining', 'The shins', 'Shining, The'] 
most_similar(string, candidates)
==> 'Shining, The'

在进行“文字字符串比较”时，我通常在这种情况下使用or比率。但是，我想做一个更复杂的相似性测试，以便在上述情况下，最好的匹配是

Shining，即

我猜这是一个常见的问题，可能已经得到了广泛的解决，所以我想知道什么库/工具/等可能是获得我想要做的事情的最佳方式？

您正在寻找或包

在这种特定情况下，您可能倾向于

fuzzyfuzzy

，因为您只是尝试进行字符串匹配

gensim

更适用于计算文档、段落、句子、单词、语料库等的相似性分数和向量表示。。。目标是获取语义/主题意义，而不是文字字符串匹配

因此，在您的情况下，使用模糊字符串匹配，您可以执行以下操作：

from fuzzywuzzy import fuzz

fuzz.partial_ratio('Shining', 'The shins')
>>> 50 

fuzz.partial_ratio('Shining', 'Shining, The')
>>> 100

fuzz.partial_ratio('Shining', 'unrelated')
>>> 14

partial_ratio

函数区分大小写，因此您可能希望将所有输入都小写。它将输出一个介于0和100之间的分数（100是一个非常强的匹配）。这取决于你如何从中筛选出匹配项，可能使用一个阈值：

如果分数>75：这是一个匹配项

我建议查看

fuzzyfuzzy

包中的不同函数，看看什么最适合您的情况。

您正在寻找or包