Python将用户输入与列表中的元素匹配。

Question

我试图将用户输入与列表中的一个元素相匹配。

目标是允许用户不键入元素的全名，因为有超过30个字符的元素：

1. 结果必须包含输入中的所有字符

例:用户输入foobar与匹配

- `foobarxx`

但不是

- `fobar`

允许输入关键字之间的

1. 额外字符

例:用户输入abc与：匹配

- `abc`, `a bc`, `axxbxxxc`

1. 最相关的结果被选中

例：apple pie匹配：

- `apple tasty pie party`, `app legit piece`, `aXpXpXlXeX XpXiXe`

然而，我只想要最相关的结果，那就是apple tasty pie party

码

我以某种方式取得了以下成绩(1)和(2)：

enter = input("input: ")
all_element = ["orange", "apple pie", "pine apple pie", "ppap", "pen pineapple apple pen"]
pattern = ('(?:.+)?'.join(list(enter))).replace(" ", r"\s")
print(pattern)
results = {}
for full_name in all_element:
    all = re.findall(pattern, full_name)
    if all:
        results[len(max(all))] = full_name
print(results)
print(f"result: {results[max(results)]}\n")

结果：

input: pen apple
p(?:.+)?e(?:.+)?n(?:.+)?\s(?:.+)?a(?:.+)?p(?:.+)?p(?:.+)?l(?:.+)?e
{22: 'pen pineapple apple pen'}
result: pen pineapple apple pen

input: ora
o(?:.+)?r(?:.+)?a
{3: 'orange'}
result: orange

我目前正试图解决(3)

根据(3)中的例子，我的计划是看看有多少次中断，我知道：- "apple pie party“破裂了1次，单词”好吃“- "app legit pieece”破裂了2次，一次间隔，一次"git“--”applegitpieece“破裂次数为n(X)次。

选择故障次数最少的结果，即apple tasty pie party。

从上面的代码中，我只是使用匹配元素的长度来选择结果，这是不准确的，因为ppap导致的是pen pineapple apple pen而不是ppap本身：

input: ppap
p(?:.+)?p(?:.+)?a(?:.+)?p
{4: 'ppap', 21: 'pen pineapple apple pen'}
result: pen pineapple apple pen

因此，我想知道如何获得基于(?:.+)?的中断次数，在

result应该是：

{0: 'ppap', 2: 'pen pineapple apple pen'}

键是中断次数，项作为选定的元素

这样，我就可以简单地使用min()获得最相关的结果。

问题是，我需要如何编写自己的函数，还是需要使用regex模式来处理这个问题？

Answer 1

您可以使用来自Counter模块的collections类来快速消除与前两个条件不匹配的元素。然后，您可以使用SequenceMatcher从difflib中选择其他元素中最相关的选项。

import difflib
from collections import Counter

enter = input("input: ")
all_elements = ["orange", "apple pie", "pine apple pie", "ppap", "pen pineapple apple pen"]
cnts = Counter(enter)
for k,v in cnts.items():
    start = len(all_elements) - 1
    while start >= 0:
        if k not in all_elements[start] or all_elements[start].count(k) < v:
            del all_elements[start]
        start -= 1

results = {}
for elem in all_elements:
    matcher = difflib.SequenceMatcher(a=enter, b=elem)
    num = matcher.quick_ratio()
    blocks = len(matcher.get_matching_blocks())
    results[elem] = (num, blocks)

min_blocks = min([i[1] for i in results.values()])
min_elems = {k:v[0] for k,v in results.items() if v[1] == min_blocks}
print(max(min_elems, key=lambda x: min_elems[x]))

Answer 2

另一种比较类似字符串的方法是使用Levenshtein模块。

from Levenshtein import distance as lev

st = "apple pie"
l = ['apple tasty pie party', 'app legit piece', 'aXpXpXlXeX XpXiXe']


def find_best_match(some_list, st):

    return max((lev(st,s), s) for s in some_list)[1]


find_best_match(l, st)

apple tasty pie party