如何在 Python 中的较长字符串中找到字符串的所有精确出现或紧密匹配？

Question

目标：

• 我想在 Python 中的较长字符串中查找字符串的所有精确出现或紧密匹配。
• 我还想知道这些出现在较长字符串中的位置。
• 为了定义什么是接近匹配，我想设置一个阈值，例如如果使用编辑距离作为度量，则为编辑次数。
• 我还希望代码给出匹配分数（可能用于确定候选子字符串是否超过我设置的匹配阈值）。

如何在 Python 中执行此操作？

---

示例：

long_string = """1. Bob likes classical music very much.
2. This is classic music!
3. This is a classic musical. It has a lot of classical musics.
"""

query_string = "classical music"

我希望Python代码能够根据我设置的字符串匹配阈值找到“古典音乐”以及可能的“经典音乐”、“经典音乐”和“古典音乐”。

---

研究：我发现在Python中检查较长字符串中存在的模糊/近似子字符串？但问题仅关注最佳匹配（即并非所有出现），答案要么也关注最佳匹配，要么不关注处理多单词查询字符串（因为问题只有一个单词查询字符串，或者返回一些不正确的分数（即使精确匹配也得不到完美分数）。

Answer 1

这是迄今为止我的薄弱解决方案：

import regex
long_string = """1. Bob likes classical music very much.
2. This is classic music!
3. This is a classic musical. It has a lot of classical musics.
"""

query_string = "classical music"
threshold = 5

results = regex.finditer(r'(classical music){e<5}', long_string, flags=regex.IGNORECASE)

for result in results:
    print(result)

输出：

<regex.Match object; span=(9, 28), match='kes classical music', fuzzy_counts=(0, 4, 0)>
<regex.Match object; span=(49, 64), match='s classic music', fuzzy_counts=(0, 2, 2)>
<regex.Match object; span=(77, 92), match='a classic music', fuzzy_counts=(0, 2, 2)>
<regex.Match object; span=(108, 127), match=' of classical music', fuzzy_counts=(0, 4, 0)>

2个弱点：

1. 不使用

   query_string

   和

   threshold

   ，而是在正则表达式查询中对它们进行硬编码。
2. 没有获得最佳匹配，而是获得有 4 个错误的匹配。