Question

我正在尝试编写拼写检查程序，我想使用difflib来实现它。基本上我有一个技术术语列表，我添加到标准的unix字典（/usr/share/dict/words）中，我将其存储在一个名为dictionaryFile.py的文件中。

我有另一个名为stringSim.py的脚本，我在其中导入字典并测试样本字符串。这是基本代码：

import os, sys
import difflib
import time
from dictionaryFile import wordList

inputString = "dictiunary" 
print "Search query: "+inputString  
startTime = time.time()

inputStringSplit = inputString.split()
for term in inputStringSplit:
termL = term.lower()
print "Search term: "+term
closeMatches = difflib.get_close_matches(termL,wordList)
if closeMatches[0] == termL: 
    print "Perfect Match"
else:
    print "Possible Matches"
    print "\n".join(closeMatches)

print time.time() - startTime, "seconds"

返回以下内容：

$ python stringSim.py 
Search query: dictiunary
Search term: dictiunary
Possible Matches
dictionary
dictionary's
discretionary
0.492614984512 seconds

我想知道是否有更好的策略我可以用来查找类似的匹配（假设一个单词拼写错误）。这是一个Web应用程序，所以我试图优化这部分代码有点快。有没有更好的方法来构造wordList变量（现在它只是一个单词列表）？

感谢。

Answer 1

我不确定difflib是这类工作的最佳解决方案;典型地，拼写检查器使用某种编辑距离，例如， Levenshtein距离。 NLTK包括编辑距离的实现，我会从那里开始。

使用difflib在python中搜索单词字典的高效数据结构？

1 个答案: