difflib.get_close_matches获取分数

Question

我正在尝试使用difflib.get_close_matches获取最佳匹配的分数

import difflib

best_match = difflib.get_close_matches(str,str_list,1)[0]

我知道添加'cutoff‘参数的选项，但不知道如何在设置阈值后获得实际分数。我是不是遗漏了什么？有没有更好的解决方案来匹配unicode字符串？

Answer 1

我发现difflib.get_close_matches是匹配/模糊匹配字符串的最简单方法。但是还有其他一些更高级的库，比如你在评论中提到的fuzzywuzzy。

但是如果你想使用difflib，你可以使用difflib.SequenceMatcher来获得分数，如下所示：

import difflib
my_str = 'apple'
str_list = ['ape' , 'fjsdf', 'aerewtg', 'dgyow', 'paepd']
best_match = difflib.get_close_matches(my_str,str_list,1)[0]
score = difflib.SequenceMatcher(None, my_str, best_match).ratio()

在本例中，'apple‘和列表之间的最佳匹配是'ape’，得分为0.75。

您还可以遍历列表并计算要检查的所有分数：

for word in str_list:
    print "score for: " + my_str + " vs. " + word + " = " + str(difflib.SequenceMatcher(None, my_str, word).ratio())

在此示例中，您将获得以下内容：

score for: apple vs. ape = 0.75
score for: apple vs. fjsdf = 0.0
score for: apple vs. aerewtg = 0.333333333333
score for: apple vs. dgyow = 0.0
score for: apple vs. paepd = 0.4

difflib的文档可以在这里找到：https://docs.python.org/2/library/difflib.html

Answer 2

要回答这个问题，通常的方法是以这种方式获取由get_close_matches()单独返回的匹配的比较分数：

match_ratio = difflib.SequenceMatcher(None, 'aple', 'apple').ratio()

在我的例子中，有一种方法可以将速度提高大约10%……

我使用get_close_matches()进行拼写检查，它在幕后运行SequenceMatcher()，但只返回匹配字符串的列表。正常情况下。

但是，对于当前在第736行左右的Lib/difflib.py中的一个小变化，返回可以是一个将分数作为值的字典，因此不需要在每个列表项上再次运行SequenceMatcher来获得它们的分数比率。在示例中，为了清晰起见，我缩短了输出浮点值(如0.8888888888888888到0.889)。Input n=7表示，如果超过7个，即最高的7个，则将返回项限制为7个，如果candidates很多，则可以应用这一点。

当前仅返回列表

在本例中，结果通常类似于['apple', 'staple', 'able', 'lapel']

..。如果省略了.6的默认截止值(就像Ben的答案一样，没有判断)。

变化

在difflib.py中是简单的(右边的这一行显示的是原件)

return {v: k for (k, v) in result}  # hack to return dict with scores instead of list, original was ... [x for score, x in result]

新字典返回

包括像{'apple': 0.889, 'staple': 0.8, 'able': 0.75, 'lapel': 0.667}一样的分数

>>> to_match = 'aple'
>>> candidates = ['lapel', 'staple', 'zoo', 'able', 'apple', 'appealing']

将最小分数截止/阈值从.4提高到.8：

>>> difflib.get_close_matches(to_match, candidates, n=7, cutoff=.4)
{'apple': 0.889, 'staple': 0.8, 'able': 0.75, 'lapel': 0.667, 'appealing': 0.461}

>>> difflib.get_close_matches(to_match, candidates, n=7, cutoff=.7)
{'apple': 0.889, 'staple': 0.8, 'able': 0.75}

>>> difflib.get_close_matches(to_match, candidates, n=7, cutoff=.8)
{'apple': 0.889, 'staple': 0.8}