Question

我已经阅读过有关LSH散列的内容，并且想知道在1个字符内匹配字符串的最佳实现是什么？

test = {'dog':1, 'cat': 2, 'eagle': 3} 

test['dog']
>> 1

如果我查找测试[＆＃39;狗＆＃39;]或测试[＆＃39; dogg＆＃39;]，我还想返回1。我意识到如果我要查找它也会返回1＃log; log＆＃34;或＆＃34; cog＆＃34;，但我可以编写一种方法来排除这些结果。

另外，如何通过这个方法让一般字符串在X个字符内返回匹配？

string1 = "brown dogs"
string2 = "brown doggie"

假设我的字典中只存储了string1，则查找string2将返回string1。

由于

Answer 1

那么，您可以根据共同开始的长度来定义2个字符串之间的相似性（例如，doga和dogs为3）。这很简单，但可以满足您的需求。

通过这个假设，您可以定义：

>>> test = {'dog':1, 'cat': 2, 'eagle': 3}
>>> def same_start(s1, s2):
    ret = 0
    for i in range(min(len(s1), len(s2))):
        if s1[i] != s2[i]:
            break
        ret += 1
    return ret

>>> def closest_match(s):
    return max(((k, v, same_start(k, s)) for k, v in test.iteritems()), key=lambda x: x[2])[1]

>>> closest_match('dogs')  # matches dog
1
>>> closest_match('cogs')  # matches cat
2
>>> closest_match('eaogs') # matches eagle
3
>>>

Answer 2

由于你的关系不是1：1，也许你可以用重新定义的__getitem__定义你自己的dict类型，它可以返回一个可能的项目列表。这就是我的意思：

class MyDict(dict):
  def __getitem__(self, key):
    l = []
    for k, v in self.items():
      if key.startswith(k): # or some other comparation method
        l.append(v)
    return l

这只是一个想法，可能还应重新定义其他dict方法，以避免可能的错误或无限循环。此外，@Emmanuel's answer在这里非常有用，如果你只需要返回一个项目而不是列表，那么你就不必重新定义所有内容。

Answer 3

也许您可以尝试使用Soundex函数作为词典键？

如何在python中散列字符串以匹配1个字符？

3 个答案: