Question

我有一个像这样的字符串格式：

单词必须长15个字母
前8个字母是日期

示例：'2009060712ab56c'

假设我想将其与另一个字符串进行比较，并给出一定百分比的格式相似度，例如：

result = format_similarity('2009060712ab56c', '20070908njndla56gjhk')

在这种情况下，结果是80％。

有办法吗？

Answer 1

您的格式由两个不同的属性组成，这两个属性的度量方法有所不同。如何将它们组合成格式的总体百分比相似度将是业务逻辑问题。例如，如果开始时缺少数字，由于不再是日期了，现在是否完全不同？还是相似？但是，您可以通过以下方式获取测量值：

import re 

def determine_similarity(string, other):
    length_string = len(string)  # use len to get the number of characters in the string
    length_other = len(other)
    number_of_numbers_string = _determine_number_of_numbers(string)
    number_of_numbers_other = _determine_number_of_numbers(other)

    <some logic here to create a metric of simiarity>
    <find the differences and divide them?>


LEADING_NUMBERS = re.compile(
    r"^"     # anchor at start of string
    r"[0-9]" # Must be a number
    r"+"     # One or more matches
)

def _determine_number_of_numbers(string):
    """
    Determine how many LEADING numbers are in a string
    """
    match = LEADING_NUMBERS.search(string)
    if match is not None:
        length = len(match.group()) # Number of numbers is length of number match group
    else:
        length = 0  # No match means no numbers

    <You might want to check whether the numbers constitute a date within a certain range or something like that>
    <For example, take the first four number and check whether the year is between 1980 and 2018>
    return length

Answer 2

JETM在评论中指出，https://pypi.org/project/python-Levenshtein/可能是比较“紧密度”的好资源，例如，编辑两个字符串的距离（必须对一个字符串进行多少更改才能匹配另一个字符串）

您可以创建自己的“编辑距离”实现，以匹配您的自定义规则，例如：

前8个字符为数字，并形成有效日期
总共15个字符的字符串

检查两个字符串之间的格式相似性

2 个答案: