python中的字符串匹配

有四个文件，

a.txt

，

b.txt

，

c.txt

，

d.txt

每个文件只有一列数据，其中包括商店/商场/餐厅等的名称。实际上，它们只是名称

我需要一个程序，可以将

a.txt

中的名称与其他三个文件中的名称进行匹配（

b.txt

，

c.txt

，

d.txt

）。通过匹配，我们的意思是，如果程序包含其他三个文件中的任何一个文件中可用的名称，那么它应该能够将

a.txt

中的一行标记为匹配。匹配需要智能化，也就是说，如果某个文件有餐厅，而另一个文件没有，那么它仍然应该匹配。因此，我们需要想出一些启发式方法来进行匹配

我想要完美的匹配，例如，如果

a.txt

有以下内容之一

Ivan餐厅-新加坡Bukit Timah路
Ivan餐厅-新加坡Bukit Timah路12345号
Ivan餐厅-Bukit Timah路，12345
Ivan餐厅-12345，新加坡
新加坡Bukit Timah路Ivan餐厅
新加坡布吉提玛路12345号伊万餐厅
Ivan餐厅Bukit Timah路12345号
新加坡12345伊万餐厅
Ivan餐厅（新加坡Bukit Timah路）
Ivan餐厅（新加坡Bukit Timah路12345号）
伊万餐厅（Bukit Timah路12345号）
伊万餐厅（12345，新加坡）

或“Ivan餐厅”的任何此类变体 并且

b.txt

或

c.txt

或

d.txt

具有以下任一特征

伊万 伊万餐厅 那么， 只有完整的伊万餐厅应该匹配。但是，如果在

b.txt

或

c.txt

或

d.txt

中没有“Ivan restaurant”，但只有Ivan在那里，那么您可以从

a.txt

中去掉像restaurant这样的常用词，然后尝试匹配

我希望你能明白。类似的方法适用于商店、建筑物、商场等。这就是我所说的启发式

import contextlib

with contextlib.nested(open('b.txt', 'r'), open('c.txt', 'r'), open('d.txt', 'r')) as (b_fp, c_fp, d_fp):
    data = set(b_fp.readlines() +
               c_fp.readlines() +
               d_fp.readlines())

with open('a.txt', 'r') as fp:
   for line in fp:
       if line in data:
           print "Matched %s" % line.strip()

见： 供contextlib导入时参考

至于一个简短的解释，首先它读了b、c和d中的所有行。它将把它们放在一个集合中，这将基本上消除重复项。之后，它将逐行读取一个.txt文件，并将其与集合进行匹配。print语句上的条带用于删除任何尾随\n，但在匹配之前可能需要这样做

---

不管怎样，刚刚测试过，它似乎很有效。

Blubber的解决方案很好，但可能不满足您的以下标准

或“Ivan Restaurant”和b.txt或c.txt或d.txt的任何此类变体 有下列情况之一吗

伊万伊万餐厅

那么，只有完整的伊万餐厅应该匹配。但是如果有 在b.txt、c.txt或d.txt中没有“Ivan餐厅”，但只有Ivan是 出现在那里，然后你去掉常用词，比如餐馆 a、 然后尝试匹配

为了使Blubber的解决方案适合您，您可能更愿意使用。该算法试图尽其最大能力进行匹配。如果您觉得这对您不起作用，您可能想看看difflib是如何工作的。请注意，启发式匹配不是一件容易的事情。有些库可能是您想要尝试的。但对您有效的方法完全取决于您的可接受性标准和数据模式。我建议与这些图书馆合作，看看什么最适合你

只是为了扩展Blubber的解决方案以合并difflib

import contextlib,difflib

with contextlib.nested(open('b.txt', 'r'), open('c.txt', 'r'), open('d.txt', 'r')) as (b_fp, c_fp, d_fp):
data = set(b_fp.readlines() +
           c_fp.readlines() +
           d_fp.readlines())

with open('a.txt', 'r') as fp:
   for line in fp:
       #if line in data:
       match = difflib.get_close_matches(line,data)
       if len(match) > 0:
           #print "Matched %s" % line.strip()
           print "({0}) matches with ({1})".format(line.strip(),match[0])

---

如果我正确理解了您的描述，您可以用

b.txt

、

c.txt

和

d.txt

的所有单词构建一个

set（）

，然后循环查看

a.txt

的单词，并检查它是否是该集合的一部分。如果你需要知道更多关于这个词的信息，那么你可以使用一个

映射图

，从这个词映射到相关的信息，例如这个词是否在

b.txt

中以及从哪一行。你能给我代码吗？@user1077645-这个网站是为了帮助你解决你编写的代码的问题。如果你想让某人从头开始为你编写一个解决方案，请尝试或使用其他无数类似服务中的一个。我已经用不同的方法尝试过，但没有找到合适的解决方案，这就是为什么。。