从2个列表中提取类似字符串的Python代码

我有两份来自两个不同来源的球员名单

names1=['C.J.麦克科伦'，'Metta World'，'LeBron James'，'Stephen Curry']

names2=['Metta World Peace'，'Steph Curry'，'Kevin Durant'，'CJ McCollum']

这里的问题是，虽然他们是相同的玩家，但在两个来源中提到他们名字的方式有一些不同。我使用以下代码查找相似的名称（

names1

中的所有字符都应该存在于

names2

中）：

对于

names1

的每次迭代，输入

names2

所有迭代中的代码，并输出与

names2

中的条目相似的条目索引

idx

是一个应该包含类似字符串索引的列表

i

是

idx

的索引。每次找到类似的字符串时，它都存储在

idx

中，

i

增加1，以便找到的下一个条目将记录在

idx

的索引

i+1

中

预期答复：

idx

=[0,1,3]

但是，我得到以下错误：

列表分配索引超出范围

---

如何修复代码？有没有更好的方法解决此问题？

由于z:中的y出现错误，您可以在w:中使用y： 您还可以在比较之前进行一些格式化，如删除“.”，然后可以使用任何字符串相似性算法（如Levenshtein distance）查找相似的字符串， “pip安装python Levenshtein”

将numpy导入为np
将Levenshtein作为ld导入
名称1=['C.J.麦克科伦'，'Metta世界和平'，'LeBron James'，'Stephen
咖喱']
名称2=['Metta World Peace'，'Steph Curry'，'Kevin Durant'，'CJ McCollum']
idx=np.零（3）
i=0
相似性指数=3
对于枚举中的x，y（名称1）：
y=y。替换（'.'，''）
对于枚举中的z，w（名称2）：
w=w.替换（'.'，''）
如果ld.距离（y，w）<相似性指数：
idx[i]=x
i=i+1
打印（idx）
 > < P>这里是一个尝试（这里我认为只有M.C= MC，Mulcule和Mulcule的使用，和LevsHein距离小于2的变化被接受来考虑两个名称是相同的）：

将numpy导入为np
def levenshtein_距离（v，w）：
n、 m=长（v），长（w）
M=np.零（（n+1，M+1））
对于范围（n+1）内的i：
M[i，0]=i
对于范围（m+1）内的j：
M[0，j]=j
对于范围（1，n+1）内的i：
对于范围（1，m+1）内的j：
如果v[i-1]==w[j-1]：
M[i，j]=min（M[i-1，j]+1，M[i，j-1]+1，M[i-1，j-1]）
其他：
M[i，j]=min（M[i-1，j]+1，M[i，j-1]+1，M[i-1，j-1]+1）
返回M[n，M]
def norm_名称（x）：
#可以在此处添加更多名称
返回x.replace（“.”，“”）。lower（）
名称1=['C.J.McCollum'，'Metta World Peace'，'LeBron James'，'Stephen Curry']
名称2=['Metta World Peace'，'Steph Curry'，'Kevin Durant'，'CJ McCollum']
名称1=列表（映射（标准名称，名称1））
名称2=列表（映射（标准名称，名称2））
指数=[]
对于i，枚举中的名称（名称1）：
对于names2中的name2：
索引+=[i]如果levenshtein_距离（name，name2）即使没有错误，结果也将是一个空数组或全零，我认为你在寻找w
中的
y，关于你的问题，如果没有一些基本规则来指出我的错误，我不认为找到类似字符串的一般解决方案。我已经更新了我的问题。（对于给您带来的不便，我深表歉意，我对堆栈溢出还是个新手）对于这些我已经提到过的算法，可以使用Levenshtein距离来计算字符串之间的相似性，一些阈值距离值可以被设置成类似的字符串。如果你在你的答案中张贴了这个效果，这对Steph Curry和斯蒂芬·库里来说是更好的吗？YEP，你可以在这里玩LevsHeTin距离。
idx = np.zeros(3)
i = 0
for x, y in enumerate(names1):
    for z, w in enumerate(names2):
        if y in w:
            idx[i] = x
            i = i+1

import numpy as np
import Levenshtein as ld

names1 = ['C.J. McCOllum', 'Metta World Peace', 'LeBron James', 'Stephen 
Curry']

names2 = ['Metta World Peace', 'Steph Curry', 'Kevin Durant', 'CJ McCollum']
idx = np.zeros(3)
i = 0
similarity_index =3
for x, y in enumerate(names1):
y=y.replace('.','')

for z, w in enumerate(names2):
    w= w.replace('.','')
    if ld.distance(y,w) < similarity_index:
        idx[i] = x
        i = i+1


 print(idx)