Python 基于字符串候选列表的模糊匹配

我有一个公司名称列表，我正试图从大量PDF文档中解析这些名称

我已经通过ApacheTika强制PDF提取原始文本，我已经获得了200家公司的列表

我一直在尝试使用fuzzyfuzzy和Spacy的组合来提取所需的匹配项

就我所知：

import spacy
from fuzzywuzzy import fuzz, process

nlp = spacy.load("en_core_web_sm")
doc = nlp(strings[1])

companies = []
candidates = []

for ent in doc.ents:
  if ent.label_ == "ORG":
    candidates.append(ent.text)

process.extractBests(company_name, candidates, score_cutoff=80)

我想做的是：

通读文档字符串

解析任何模糊的公司名称 得分为80分的比赛+

返回中包含的公司名称 文件和他们的分数

---

救命啊

这是我填充

候选者的方式--
mpg
是一个数据帧：

for s in mpg['name'].values: 
    doc = nlp(s) 
    for ent in doc.ents: 
        if ent.label_ == 'ORG': 
            candidates.append(ent.text) 

那么，假设我们有一个简短的汽车数据列表，仅用于测试：

candidates = ['buick'
             ,'buick skylark'
             ,'buick estate wagon'
             ,'buick century']

下面的方法使用了
fuzz.token\u sort\u ratio
，它被描述为“返回0和100之间序列相似性的度量，但在比较之前对token进行排序”。请尝试此处部分记录的一些方法：

结果是：

In [53]: results                                                                
Out[53]: {'buick': [('buick', 100), 
                    ('buick skylark', 56), 
                    ('buick century', 56)]}

在这种情况下，使用80作为截止分数比使用50更好。
您见过这个线程吗？有几篇文章带有GitHub链接，链接到结合这两个库的工作代码。嘿，伙计，我确实看到了这篇文章，但我从中跳了出来。我是否遗漏了一些关于如何使用它来解决这个问题的信息？嗨，谢谢你的回答，你可以看到我要去哪里。如果“别克”品牌有多个标准呢？通过第二个列表，[AAA]可以成为一个iterable吗？
process.extractBests（[AAA]，候选者，记分者=fuzz.token\u sort\u ratio，score\u cutoff=50）
不客气。我更新了答案，在公司中循环。如果有帮助，请告诉我。谢谢，伙计。当我吃完午饭回家后，我会试试这个，如果它运行，我会标记为正确。很好，不用担心。我将在答案中添加另一部分，这样您就有了存储结果的好方法。太好了。再次感谢。
In [53]: results                                                                
Out[53]: {'buick': [('buick', 100), 
                    ('buick skylark', 56), 
                    ('buick century', 56)]}