difflib.get_close_matches 获取分数

Question

我正在尝试使用

difflib.get_close_matches

获得最佳匹配的分数：

import difflib

best_match = difflib.get_close_matches(str,str_list,1)[0]

我知道添加“

cutoff

”参数的选项，但不知道如何在设置阈值后获得实际分数。 我错过了什么吗？有没有更好的解决方案来匹配unicode字符串？

Answer 1

我发现 difflib.get_close_matches 是匹配/模糊匹配字符串的最简单方法。但是还有一些其他更高级的库，例如您在评论中提到的 fuzzywuzzy。

但是如果你想使用difflib，你可以使用difflib.SequenceMatcher来获取分数，如下：

import difflib
my_str = 'apple'
str_list = ['ape' , 'fjsdf', 'aerewtg', 'dgyow', 'paepd']
best_match = difflib.get_close_matches(my_str,str_list,1)[0]
score = difflib.SequenceMatcher(None, my_str, best_match).ratio()

在此示例中，“apple”与列表之间的最佳匹配是“ape”，得分为 0.75。

您还可以循环遍历列表并计算所有要检查的分数：

for word in str_list:
    print "score for: " + my_str + " vs. " + word + " = " + str(difflib.SequenceMatcher(None, my_str, word).ratio())

对于此示例，您将得到以下内容：

score for: apple vs. ape = 0.75
score for: apple vs. fjsdf = 0.0
score for: apple vs. aerewtg = 0.333333333333
score for: apple vs. dgyow = 0.0
score for: apple vs. paepd = 0.4

difflib 的文档可以在这里找到：https://docs.python.org/2/library/difflib.html

Answer 2

要回答这个问题，通常的途径是通过以下方式单独获取

get_close_matches()

返回的比赛的比较分数：

match_ratio = difflib.SequenceMatcher(None, 'aple', 'apple').ratio()

这是一种可以将我的速度提高约 10% 的方法...

我使用

get_close_matches()

进行拼写检查，它在后台运行

SequenceMatcher()

，但会删除分数，仅返回匹配字符串的列表。正常情况下。

但是，当前在第 736 行左右对

Lib/difflib.py

进行了小改动，返回可以是一个以分数作为值的字典，因此无需在每个列表项上再次运行

SequenceMatcher

来获取其分数比率。 在示例中，为了清楚起见，我缩短了输出浮点值（如 0.8888888888888888 到 0.889）。输入 n=7 表示如果返回项目超过 7 个（即最高的 7 个），则将返回项目限制为 7 个，并且如果

candidates

很多，则可以应用。

当前单纯列表返回

在此示例中，结果通常类似于

['apple', 'staple', 'able', 'lapel']

...如果省略，默认截止值为 0.6（如 Ben 的回答，不做判断）。

变化

在

difflib.py

中很简单（右边这一行显示的是原始内容）：

return {v: k for (k, v) in result}  # hack to return dict with scores instead of list, original was ... [x for score, x in result]

新词典回归

包括分数，例如

{'apple': 0.889, 'staple': 0.8, 'able': 0.75, 'lapel': 0.667}

>>> to_match = 'aple'
>>> candidates = ['lapel', 'staple', 'zoo', 'able', 'apple', 'appealing']

将最低分数截止/阈值从 0.4 提高到 0.8：

>>> difflib.get_close_matches(to_match, candidates, n=7, cutoff=.4)
{'apple': 0.889, 'staple': 0.8, 'able': 0.75, 'lapel': 0.667, 'appealing': 0.461}

>>> difflib.get_close_matches(to_match, candidates, n=7, cutoff=.7)
{'apple': 0.889, 'staple': 0.8, 'able': 0.75}

>>> difflib.get_close_matches(to_match, candidates, n=7, cutoff=.8)
{'apple': 0.889, 'staple': 0.8}

Answer 3

要获取匹配字符串及其分数的列表，请尝试此解决方案。 转到 difflab.py

return [x for score, x in result]

将其替换为

return [[x,score] for score, x in result]