Python 如何比较两个标题（字符串）以查看它们是否引用同一本书？

我试图比较同一本书的两个书名（来自不同来源），在一个庞大的书单中，每一本书，看看它们是否引用同一本书

这里是一个小背景。我在图书馆实习。这里的工作人员扫描了每本书的登录号和ISBN，并将其作为csv文件交给了我。由于人为错误，一些书的ISBN错误。我应该找到那些错误

对于每个登录号，我从我们的图书馆管理软件中知道正确的标题。对于每一个ISBN，我都从互联网上取下标题。现在我想比较一下这两本书的书名，看看是否扫描了另一本书的ISBN而不是真的

我目前使用

difflib

中的

SequenceMatcher

类执行以下操作：

def similar(seq1, seq2, strength):
    return (difflib.SequenceMatcher(a=seq1.lower(), b=seq2.lower()).ratio()
                > strength)

但我有很多误报，比如：

“通信网络：基本概念和关键架构” =>“通信网络”

“工程物理实验；实验室手册和工作簿>，带有Viva Voce”=>“工程物理实验”

“水：科学与问题”=>“水V1-V4”

“Schaum的统计理论与问题概述”=>“概率论与统计理论与问题”

有更好的方法吗

---

编辑：是我的程序输出的所有误报。我用“##”作为分隔符。

您的错误似乎是系统性的。因此，您可以检查a）整个序列或b）序列是否匹配，直到第一个“：”为止。如果您可以发布一些示例，即图书馆软件中的标题与互联网上的标题，这将有所帮助。如果不知道两者的区别是什么，很难提供帮助。@Rawing Done，谢谢你的建议…@NikolasRieble我在想，可能会有一些已经存在的智能算法可以做到这一点。你是对的，80%的误报都在你的描述中，如果我没有其他优雅的解决方案，我会这么做。我已经将我的示例扩展到包括其他案例，并且还发布了我整个输出的粘贴。我不知道有什么现有的算法可以解决这个问题，但我建议增加信息以进行比较。除了标题之外，您还可以根据几个属性计算相似性分数。此信息可能是：作者、出版商等。您的错误似乎是系统性的。因此，您可以检查a）整个序列或b）序列是否匹配，直到第一个“：”为止。如果您可以发布一些示例，即图书馆软件中的标题与互联网上的标题，这将有所帮助。如果不知道两者的区别是什么，很难提供帮助。@Rawing Done，谢谢你的建议…@NikolasRieble我在想，可能会有一些已经存在的智能算法可以做到这一点。你是对的，80%的误报都在你的描述中，如果我没有其他优雅的解决方案，我会这么做。我已经将我的示例扩展到包括其他案例，并且还发布了我整个输出的粘贴。我不知道有什么现有的算法可以解决这个问题，但我建议增加信息以进行比较。除了标题之外，您还可以根据几个属性计算相似性分数。这些信息可能是：作者、出版商等。