Question

我正在开发一个python程序，它一步获取输入（字符串），并将其与用户库中的歌曲/艺术家匹配。但是，我遇到了一些困难，当输入/库包含数字/特殊字符时，弄清楚如何匹配。例如，取组＆＃34; All-4-One＆＃34;。在我的图书馆中，它可能就像那样。我需要将其与以下任何输入相匹配：

all-4-one（当然）
全部4个（没有破折号）
全部4 1（所有数字）
全部四个（全部拼写出来）
一个人（语音拼写＆＃34;四个＆＃34;）

或者，实际上，听起来相同的任何其他组合。对此的推理是输入来自语音识别系统，因此用户说话＆＃34; 4＆＃34;可以被认为是＆＃34;对于＆＃34;，＆＃34;四＆＃34;或＆＃34; 4＆＃34;。我想象Alexa / Siri / Google都会做这样的事情（因为你可以要求他们播放歌曲/艺术家），但我想用Python实现这一点。我怎么能这样做？

Answer 1

为每个名称首先规范化字符串：删除符号＆＃39; - ＆＃39;，＆＃39;＆＃39;＆＃39;＆＃39;或者＆＃39; \＆＃39;用替代的phoneticks替代你想要的东西。

all-4-1 becomes ["all", "for" ,"one"]
all-four-1 becomes ["all", "for" ,"one"]
crappy\"new"\1 becomes ["crappy", "nju", "one"]

然后匹配完整列表，或者只是一些单词，比如出现＆＃34;对于＆＃34;，＆＃34;一个＆＃34;意味着这个群体有66％的可能性。

替换创建一个字典，如： dict { "4":"for", "four": for", 1:"one", new:"nju"}等...... 或创建一个文件，如： subs.txt： 4为四个 1个 ... 并读入dict。当你创建这个时，cou可以将它链接到我，因为我还有一个项目，我可能需要phonetick替换：D

是我已经创建了非常阿尔法版本（进一步修改）：

    '''
Created on Jan 29, 2018

@author: noob
'''
import re

path = "X:/Programming/workspaceEclipse/PyTutorials/"

sounds = open(path + "txt/sounds.txt", 'r')


def toDict(file):
    dict = {}
    for line in file:
        key, val = line.strip().split(" ")
        dict[key] = val
    return dict


d = toDict(sounds)

print("dict:" , d)

str1 = r"be4-the-storm"
str2 = r"u2/best/hits"
str3 = r"A.B.B.A- what4"
str4 = r"all-4-one"
str5 = r"all four one"
str6 = r"all 4 1"
str7 = r"w8-4ever"

strs = [str1,str2,str3,str4,str5,str6,str7]



def toNorma(words,dict):
    ret= []
    for word in words:
        w = word.lower()
        ret.append(dict.get(w ,w ))
    return ret    

def toNormaStr(str):
    return toNorma(re.findall(r'w8|m8|[0-9]|[a-zA-Z]+', str), d)
#exceptions like w8,m8 come first in the regex

def show(str):
    print(str + ":" ,toNormaStr(str) )

for str in strs:
    show(str)

，其中 sounds.txt是：

    a ei
b bi
c si
d di
f ef
g gi
h ejch
i aj
j dzhej
k kej
l el
m em
n en
o ou
p pi
q kju
r a
s es
t ti
u ju
v vi
w dabelju
x eks
y waj
z zet
1 wan
2 to
3 thri
4 for
5 faiw
6 siks
7 seven
8 ejt
8 ajt
9 najn
10 ten
one wan
two to
three thri
four for
five faiw
six siks
eight ejt
nine najn
w8 vejt
m8 majt
what vot

输出如：

     be4-the-storm: ['be', 'for', 'the', 'storm']
u2/best/hits: ['ju', 'to', 'best', 'hits']
A.B.B.A- what4: ['ei', 'bi', 'bi', 'ei', 'vot', 'for']
all-4-one: ['all', 'for', 'wan']
all four one: ['all', 'for', 'wan']
all 4 1: ['all', 'for', 'wan']
w8-4ever: ['vejt', 'for', 'ever']

根据python中的声音/同音字匹配字符串？

1 个答案: