Question

我想知道是否有任何工具可以将几乎匹配为bash终端。

在名为 list.txt 的以下文件中，每行包含1个单词：

ban
1ban
12ban
12ban3

很容易找到包含“禁令”的字词

grep -E "*ban*" list.txt

问题：

如何真正匹配具有x个字母差异的单词？对于搜索字词“ ban”，我希望X = 1匹配“ 1ban”。

关于距离的概念，我想最大化： X删除或X替代或X个插入

任何工具，但最好在bash终端上以命令行方式调用。

注意：Levenshtein距离会将2个字母的插入算作1个差异。这不是我想要的。

Answer 1

您可以使用支持模糊匹配的Python PyPi regex类。

由于您实际上想匹配具有最大 X 差异（1个删除或1个替换或1个删除）的单词，因此您可以创建类似

的Python脚本

#!/usr/bin/env python3
import regex, io, sys

def main(argv):
        if len(argv) < 3:
                # print("USAGE: fuzzy_search -searchword -xdiff -file")
                exit(-1)
        search=argv[0]
        xdiff=argv[1]
        file=argv[2]
        # print("Searching for {} in {} with {} differences...".format(search, file, xdiff))
        with open(file, "r") as f:
                contents = f.read()
                print(regex.findall(r"\b(?:{0}){{s<={1},i<={1},d<={1}}}\b".format(regex.escape(search), xdiff), contents))

if __name__ == "__main__":
        main(sys.argv[1:])

在这里，{s<=1,i<=1,d<=1}表示我们允许搜索1或0个替换（s<=1，1或0个插入（i<=1）或1或0个删除（{{1 }}。

d<=1是单词边界，由于采用了这种结构，因此只匹配整个单词（\b中没有cat会被匹配）。

另存为vacation。

然后，您可以将其命名为

fuzzy_search.py

其中python3 fuzzy_search.py "ban" 1 file是执行模糊搜索的词，而"ban"是差异的上限。

我得到的结果是

您可以将输出格式更改为仅行：

['ban', '1ban']

然后，结果是

print("\n".join(regex.findall(r"\b(?:{0}){{s<={1},i<={1},d<={1}}}\b".format(regex.escape(search), xdiff), contents)))

Answer 2

您可以通过使用python检查每个字符来检查如下所示的差异

def is_diff(str1, str2):
    diff = False
    for char1, char2 in zip(str1, str2):
        if char1 != char2:
            if diff:
                return False
            else:
                diff = True
    return diff
with open('list.txt') as f:
    data = f.readlines()

for line in data:
    print is_diff('ban', line)

匹配差异不大的单词

2 个答案: