从Python中的“enchant suggest（）”中获取最相关的单词（拼写检查）

我想从enchant suggest获得最相关的单词。有没有更好的办法。我觉得我的功能在检查100k或更大范围内的大量单词时效率不高

enchant的问题建议：

我的功能是从一组建议的单词中获取适当的单词：

import enchant, difflib word="prfomnc" dict,max = {},0 a = set(d.suggest(word)) for b in a: tmp = difflib.SequenceMatcher(None, word, b).ratio(); dict[tmp] = b if tmp > max: max = tmp print dict[max] Result: performance 更新：

---

如果我得到多个键，意味着相同的difflib比率值，我就使用多键字典。正如这里所解释的：

如果你只对最好的匹配感兴趣，你实际上不需要保留口述

>>> word="prfomnc"
>>> best_words = []
>>> best_ratio = 0
>>> a = set(d.suggest(word))
>>> for b in a:
...   tmp = difflib.SequenceMatcher(None, word, b).ratio()
...   if tmp > best_ratio:
...     best_words = [b]
...     best_ratio = tmp
...   elif tmp == best_ratio:
...     best_words.append(b)
... 
>>> best_words
['performance']

恐怕没有魔弹。。。但也有一些建议

我猜逻辑中的大部分时间都花在difflib的SequenceMatcher.ratio调用上。这并不奇怪，因为这种方法使用的是一个相对昂贵的变量，CPU方面的，但它产生的度量是在标记上定位接近的匹配，这可能就是你喜欢它的原因

当然，您应该分析这个逻辑，并确认SequenceMatcher确实是热点。也许Enchant.suggest也有点慢，但是我们可以做的很少，从代码角度来看，要改进这个配置，可能有一些选项，例如，取消个人词典以保存双重查找和合并等

假设SequenceMatcher确实是罪魁祸首，并且假设您希望坚持使用Ratcliff Obershelp相似性度量作为选择最佳匹配的方法，您可以执行以下[部分]操作：

仅计算Enchant中前5项的SequenceMatcher比率值。毕竟，Enchant.suggest会以一种有序的方式返回其建议，首先返回其最佳猜测；因此，尽管基于不同的启发式，附魔顺序也是有价值的，但找到高排名匹配的机会可能会随着列表的下移而减少。此外，即使我们最终可能会忽略一些高排名的匹配，通过只测试排名前几位的Enchant建议，我们以某种方式将Enchant的启发中发现的智慧与Ratcliff Obershelp度量中的智慧结合起来。 达到某个阈值后，停止计算SequenceMatcher比率 这个想法与前面的想法类似：一旦发现更好的可能性越来越小，并且一旦我们手头有了一个不错的（如果不是最好的）选择，就不要调用SequenceMatcher 用你自己的逻辑过滤掉一些单词。 我们的想法是进行一个相对快速/廉价的测试，该测试可能会告诉我们，给定的单词不太可能在SequenceMatcher比率上取得好成绩。例如，排除不具有至少（比如）用户字符串长度减去两个公共字符的单词。 顺便说一句，您可能可以使用SequenceMatcher对象的一些[FASTER]函数来获取一些用于过滤启发的数据。 改用SequenceMatcher*quick_ratio*函数 至少在某些情况下。 只保留字符串中的最佳匹配项，而不是使用字典 显然，只有最重要的选择才重要，因此，除了测试目的，您可能不需要字典的[相对较小的]开销。 你可以考虑写自己的RAT悬崖OBESELP或类似的方法，在其中介绍各种早期出口，当满足当前最大比率的可能性很小。注意，很可能很难产生一个像difflib的C语言方法那样高效的方法，您对此感兴趣的是早期退出。。。

---

嗯，祝你好运-

假设100k个单词中的某些单词是相同的，您可以记忆函数结果。不要使用dict或max作为变量名，它们会隐藏内置项，我也认为使用list而不是dict。但是list似乎比dict慢得多。这些是我的timeit值：list=0.20800385952&dict=0.111775200367。我的timeit代码打印t.timeit100/100

>>> word="prfomnc"
>>> best_words = []
>>> best_ratio = 0
>>> a = set(d.suggest(word))
>>> for b in a:
...   tmp = difflib.SequenceMatcher(None, word, b).ratio()
...   if tmp > best_ratio:
...     best_words = [b]
...     best_ratio = tmp
...   elif tmp == best_ratio:
...     best_words.append(b)
... 
>>> best_words
['performance']