Question

如何判断difflib.get_close_matches（）忽略大小写？我有一个字典，其中包含一个包含大小写的定义格式。但是，测试字符串可能具有完全大小写或没有大小写，这些应该是等效的。但是，结果需要适当地大写，因此我不能使用修改后的字典。

import difflib

names = ['Acacia koa A.Gray var. latifolia (Benth.) H.St.John',
    'Acacia koa A.Gray var. waianaeensis H.St.John',
    'Acacia koaia Hillebr.',
    'Acacia kochii W.Fitzg. ex Ewart & Jean White',
    'Acacia kochii W.Fitzg.']
s = 'Acacia kochi W.Fitzg.'

# base case: proper capitalisation
print(difflib.get_close_matches(s,names,1,0.9))

# this should be equivalent from the perspective of my program
print(difflib.get_close_matches(s.upper(),names,1,0.9))

# this won't work because of the dictionary formatting
print(difflib.get_close_matches(s.upper().capitalize(),names,1,0.9))

输出：

['Acacia kochii W.Fitzg.']
[]
[]

工作代码：

根据Hugh Bothwell的回答，我修改了以下代码以获得一个可行的解决方案（当返回多个结果时也应该有效）：

import difflib

names = ['Acacia koa A.Gray var. latifolia (Benth.) H.St.John',
    'Acacia koa A.Gray var. waianaeensis H.St.John',
    'Acacia koaia Hillebr.',
    'Acacia kochii W.Fitzg. ex Ewart & Jean White',
    'Acacia kochii W.Fitzg.']
test = {n.lower():n for n in names}    
s1 = 'Acacia kochi W.Fitzg.'   # base case
s2 = 'ACACIA KOCHI W.FITZG.'   # test case

results = [test[r] for r in difflib.get_close_matches(s1.lower(),test,1,0.9)]
results += [test[r] for r in difflib.get_close_matches(s2.lower(),test,1,0.9)]
print results

输出：

['Acacia kochii W.Fitzg.', 'Acacia kochii W.Fitzg.']

Answer 1

我没有看到任何快速方法让difflib做不区分大小写的比较。

快速而肮脏的解决方案似乎是

创建一个将字符串转换为某种规范形式的函数（例如：大写，单行，无标点符号）
使用该函数制作{canonical string：original string}的dict和[canonical string]的列表
针对规范字符串列表运行.get_close_matches，然后通过dict插入结果以获取原始字符串

Answer 2

经过大量搜索后，我很惊讶地发现没有一个针对此明显用例的简单罐头答案。

唯一的选择似乎是"FuzzyWuzzy" library。但是，它像Python的difflib一样依赖Levenshtein距离，并且它的API并不是生产质量。它比较模糊的方法的确不区分大小写，但是它不能直接或简单地替换get_close_matches。

这是我能想到的最简单的实现：

import difflib

def get_close_matches_icase(word, possibilities, *args, **kwargs):
    """ Case-insensitive version of difflib.get_close_matches """
    lword = word.lower()
    lpos = {p.lower(): p for p in possibilities}
    lmatches = difflib.get_close_matches(lword, lpos.keys(), *args, **kwargs)
    return [lpos[m] for m in lmatches]

Answer 3

@gatopeich的想法正确，但问题是可能存在许多许多字符串，它们的大小写差异仅。我们肯定希望它们在结果中 all ，而不仅仅是其中之一！

下面的修改可以做到这一点：

def get_close_matches_icase(word, possibilities, *args, **kwargs):
    """ Case-insensitive version of difflib.get_close_matches """
    lword = word.lower()
    lpos = {}
    for p in possibilities:
        if p.lower() not in lpos:
            lpos[p.lower()] = [p]
        else:
            lpos[p.lower()].append(p)
    lmatches = difflib.get_close_matches(lword, lpos.keys(), *args, **kwargs)
    ret = [lpos[m] for m in lmatches]
    ret = itertools.chain.from_iterable(ret)
    return set(ret)

使用difflib.get_close_matches（）忽略大小写

3 个答案: