Python 搜索不可靠的作者姓名

我们扫描了数千份旧文件，并将关键数据输入数据库。其中一个字段是作者姓名

我们需要搜索给定作者的文档，但准确名称可能输入错误，因为在许多文档中，数据都是手写的

我想只搜索姓氏的前几个字母，然后提供一个列表供用户选择。我不知道在现阶段有多少不同的作者，我怀疑这将是数百人而不是数十万人。将有数十万份文件。 有更好的办法吗？SQL数据库能更好地处理它吗

---

该软件是python，每个文档都有一个作者列表。

我认为您可以使用mongodb，在这里您可以将列表字段设置为所有可能的作者姓名。例如，您的手写名称为黑色，无法识别名称中的字母，例如c或e，您可以将源名称设置为黑色，并将其添加到可能的名称列表中。blaek是一个Python Solr库，可访问它，该库构建在blaek之上

Solr是什么的摘录：

Solr是ApacheLucene项目中流行的、快速的开源企业搜索平台。其主要功能包括强大的全文搜索、点击突出显示、分面搜索、动态聚类、数据库集成、丰富文档（如Word、PDF处理）和地理空间搜索。Solr具有高度的可扩展性，提供分布式搜索和索引复制，并支持世界上许多最大互联网站点的搜索和导航功能

---

它将为您提供搜索文档所需的一切，包括部分点击和任何搜索条件下的潜在匹配。

看看这个链接：这里的regex模块支持模糊匹配：`遵循这些链接，我认为difflib可能会起作用，非常简单，对我的应用程序来说已经足够好了-谢谢，我在以前的公司使用它进行各种标准的匹配，包括部分地址信息。以及它如何处理巨大的数据库容量（例如大约3Gb或更多）？我们使用了大约120GB的数据，发现它的响应速度非常快。