Python 如何从列表中找到相似但不精确的值？

我有超过500k的城市名称记录，但数据输入不正确，例如word

AHMADNAGAR

的输入方式如下

 1. AEHMADNAGAR
 2. AHEMADNAGR
 3. AHMAD NAGAR
 4. AHMADNAGGAR

这是一个只有一个城市的例子，我必须扫描超过500k条记录&我想找到相似的单词，但不完全相似。

我创建了

.txt

文件，我正在共享链接，其中包括17K个城市，请参见文件

我试过什么

from difflib import get_close_matches
        
def closeMatches(patterns, word):
    print(get_close_matches(word, patterns))

    
citylist=['AHMADNAGAR','XYZ','AEHMADNAGAR','AHEMADNAGR','AHMADNAGAR','AHMADNAGGAR','ABC','test','test2']
     for city in citylist:  
         closeMatches(patterns, city)

预期输出：（当我们传递

city

runtime时，它应该打印相似的值，但不完全相似，即使我已经删除了相似的值，我们也没有任何重复）

这里的问题是，不能通过

city

在这里手动创建

模式

&另一个问题是它没有显示所有的变化

我从我的朋友那里了解到，我们可以使用

regex

，但是如何使用呢？有没有办法创建

regex运行时

并将其与所有记录匹配

---

只想获取相似城市的列表

获取接近匹配（）的第二个参数是一个列表，如果您只是尝试获取接近匹配，您可以运行：

from difflib import get_close_matches
    
city_list = ['AHMADNAGAR','AEHMADNAGAR','AHEMADNAGR','AHMAD NAGAR', 'AHMADNAGGAR','test','test2']

close_matches = get_close_matches('AHMADNAGAR', city_list)
for close_match in close_matches:
    print(close_match)

---

get\u close\u matches（）

的第二个参数是一个列表，如果您只是尝试获取接近匹配，可以运行：

from difflib import get_close_matches
    
city_list = ['AHMADNAGAR','AEHMADNAGAR','AHEMADNAGR','AHMAD NAGAR', 'AHMADNAGGAR','test','test2']

close_matches = get_close_matches('AHMADNAGAR', city_list)
for close_match in close_matches:
    print(close_match)

---

您无需在另一个函数中实现自己的循环或包装

get\u close\u matches

。只需提供您要匹配的城市名称（

'AHMADNAGAR'

）以及

获取关闭匹配功能的可能匹配列表。它默认为3，因此如果需要更多，请指定更高的
n

>>> from difflib import get_close_matches
>>> citylist=['AHMADNAGAR','XYZ','AEHMADNAGAR','AHEMADNAGR','AHMADNAGAR','AHMADNAGGAR','ABC','test','test2']
>>> get_close_matches('AHMADNAGAR', citylist, n=len(citylist))
['AHMADNAGAR', 'AHMADNAGAR', 'AHMADNAGGAR', 'AEHMADNAGAR', 'AHEMADNAGR']

请注意，结果是按相似性排序的，因此精确匹配是第一位的，然后是最接近的匹配，等等

difflib
的文档如下：
您无需在另一个函数中实现自己的循环或包装
get\u close\u matches
。只需提供您要匹配的城市名称（
'AHMADNAGAR'
）以及
获取关闭匹配功能的可能匹配列表。它默认为3，因此如果需要更多，请指定更高的
n

>>> from difflib import get_close_matches
>>> citylist=['AHMADNAGAR','XYZ','AEHMADNAGAR','AHEMADNAGR','AHMADNAGAR','AHMADNAGGAR','ABC','test','test2']
>>> get_close_matches('AHMADNAGAR', citylist, n=len(citylist))
['AHMADNAGAR', 'AHMADNAGAR', 'AHMADNAGGAR', 'AEHMADNAGAR', 'AHEMADNAGR']

请注意，结果是按相似性排序的，因此精确匹配是第一位的，然后是最接近的匹配，等等

difflib
的文档在这里：
我认为
get\u close\u matches
是您想要使用的，但您正在反向使用它。你能把你的代码扩展一点，包括
citylist
和所需的输出吗？我刚刚用所需的输出进行了更新，你能检查一下吗？在你的例子中，看起来你只需要匹配一个城市（AHMADNAGAR），这使得这仅仅是对
get\u close\u matches
的一个简单调用。注意：我希望从您的描述中得到两个列表——一个是城市名称（拼写正确）列表，另一个是用户输入（可能拼写错误）列表。如果这确实是您试图解决的问题，请更新您的示例以显示列表和预期输出！我认为
get\u close\u matches
是您想要使用的，但您正在反向使用它。你能把你的代码扩展一点，包括
citylist
和所需的输出吗？我刚刚用所需的输出进行了更新，你能检查一下吗？在你的例子中，看起来你只需要匹配一个城市（AHMADNAGAR），这使得这仅仅是对
get\u close\u matches
的一个简单调用。注意：我希望从您的描述中得到两个列表——一个是城市名称（拼写正确）列表，另一个是用户输入（可能拼写错误）列表。如果这确实是您试图解决的问题，请更新您的示例以显示列表和预期输出！我将尝试这样做，同时，我更新了一些有问题的代码，如果你能检查的话，谢谢你，我刚刚检查了它没有打印这些值，
AEHMADNAGAR
，
AHEMADNAGR
@KaustubhKulkarni我正在查看它。另外，在第5项的逗号前缺少一个撇号OK，我修正了逗号，也在这里，以防我们只是通过一个城市为例，但实际上我们需要一次发送多个城市，所以我遍历了城市列表，但它显示了意外的输出``对于城市列表中的d:close\u matches=get\u close\u matches（d，城市列表）用于关闭匹配中的关闭匹配：打印（关闭匹配）```@KaustubhKulkarni请更新您的问题，以包括您对多个城市的预期输入。我想我不明白您想做什么，我将尝试这样做，同时，我更新了一些有问题的代码，如果您可以检查的话，请提前检查，谢谢。我刚刚检查了它没有打印这些值
AEHMADNAGAR
，
AHEMADNAGR
@KaustubhKulkarni我正在调查。第5项的逗号前还缺少一个撇号。好的，我修正了逗号，这里也是为了防止我们只是通过一个城市，例如，但实际上我们需要一次发送多个城市，所以我重复了城市列表，但它显示了意外的输出``城市匹配中的d：关闭匹配=获取城市匹配中的关闭匹配（d，城市列表）：打印（关闭匹配）```@KaustubhKulkarni请更新您的问题，以包括您对多个城市的预期输入。我想我不明白您想做什么您好，我刚刚分享了一个有问题的文件链接，该文件包含我记录中的17K个城市，AHMADNAGAR只是一个例子，我想在每个城市迭代并找到类似的内容，但是不准确请更新您的代码，使其成为一个可重复性最低的示例，包含城市列表、样本输入列表以及基于这些输入的预期输出。您提供的示例与您尝试构建的内容并不匹配，因为所有输入都对应于同一个城市。您好，我刚刚共享了一个指向文件的链接whi