Question

我有一个具有以下结构的字典：

{
    1: {"names": ["name1_A", "name1_B", ...]},
    2: {"names": ["name2_A", "name2_B", ...]},
    ...
}

其中name1_A和name1_B是同义词/别名/写同名的不同方式，其ID为1. name2_A和name2_B是同名的别名，其ID为2，依此类推。

我需要编写一个函数，该函数接受用户输入并返回其别名与用户输入最相似的名称的ID。

我知道理解我的意思并不是很直观，所以这是一个例子。让我们说这是我的字典：

{
    1: {"names": ["James", "Jamie"]},
    2: {"names": ["Karen", "Karyn"]}
}

用户输入单词Jimmy。由于与字典Jimmy的最接近匹配是Jamie，因此该函数必须返回ID 1。

如果用户输入世界Karena，由于最接近的匹配是Karen，因此该函数必须返回ID 2.

我认为获得最接近数学的最佳方法是使用difflib的get_close_matches()。但是，该函数将可能性列表作为参数，我无法想到在函数中正确使用它的方法。任何帮助将不胜感激。

Answer 1

如果您对第三方模块感兴趣，那么我喜欢使用这个名为fuzzywuzzy的小模块，用于Python中的模糊字符串匹配。此模块使用Levenshtein Distance指标计算两个字符串之间的距离。以下是您如何使用它的示例：

>>> from fuzzywuzzy import fuzz
>>> from functools import partial
>>> data_dict = {
...     1: {"names": ["James", "Jamie"]},
...     2: {"names": ["Karen", "Karyn"]}
... }
>>> input_str = 'Karena'
>>> f = partial(fuzz.partial_ratio, input_str)
>>> matches = { k : max(data_dict[k]['names'], key=f) for k in data_dict}
>>> matches
{1: 'James', 2: 'Karen'}
>>> { i : (matches[i], f(matches[i])) for i in matches }
{1: ('James', 40), 2: ('Karen', 100)}

现在，您可以提取Karen，因为它的分数最高。

为了本演示的目的，我必须两次调用该函数，但您应该只能执行一次，具体取决于您对此示例的扩展方式。

另一点需要注意的是fuzz.partial_ratio对其匹配更宽松。对于更严格的匹配方案，请考虑使用fuzz.ratio。

您可以使用模糊字符串匹配here来仔细阅读更多示例。

获取字典中多个单词的近似匹配项

1 个答案: