Python字符串比较相似性

我试图比较两个数据列表，其中包含一些表示同一对象的自由文本。范例

List 1 ['abc LLC','xyz, LLC']
List 2 ['abc , LLC','xyz LLC']

---

这是一个简单的例子，但问题是可能会有很多变化，比如在case中的变化或在两者之间添加一些“.”。是否有任何python包可以进行比较并给出相似性度量？

例如，您可以使用算法的实现进行非精确字符串匹配

另一种选择是，例如，在进行原始比较之前，将所有内容折叠成小写，删除空格等——这当然取决于您的用例：

import string, unicodedata
allowed = string.letters + string.digits
def fold(s):
  s = unicodedata.normalize("NFKD", unicode(s).lower()).encode("ascii", "ignore")
  s = "".join(c for c in s if c in allowed)
  return s

for example in ['abc LLC','xyz, LLC', 'abc , LLC','xyz LLC']:
  print "%r -> %r" % (example, fold(example))

将打印

'abc LLC' -> 'abcllc'
'xyz, LLC' -> 'xyzllc'
'abc , LLC' -> 'abcllc'
'xyz LLC' -> 'xyzllc'

---

有一个优秀的二进制库，它使用字符串之间的levenshtein距离（编辑距离）来估计相似性。试一试：

---

你所说的“概率”是什么意思？@OliCharlesworth我想作者想找出两个字符串之间的相似性百分比。比如，如果字符串85%相似，你不需要“概率”，你需要“相似性”@麦克斯，是的，我就是这个意思。Thanks@all谢谢你的帮助