我想将字符串与某些关键字匹配,并获取与关键字匹配的百分比和子字符串。例如。我有一个关键字列表
keywords = ['Projekt-Nr.:', 'Projektbezeichnung:', 'Anlagenklassifizierung:', 'Arbeiten / Gewerk:']
和一些未知的文字,例如
s = "Projekthezeichnung: —_[H- Kloster Eig i Krankenhaus"
我希望在此字符串中搜索我的关键字,并向我返回部分匹配的字符串。'Projektbezeichnung:'应该与'Projekthezeichnung:'匹配,且准确率超过95%(我已经在使用cdifflib了),但是cdifflib不会返回与关键字匹配的子字符串。
如何获得与关键字部分匹配的未知子字符串?
任何帮助都会非常有用,谢谢!
[difflib
的get_close_matches
似乎合适:
get_close_matches
from difflib import get_close_matches
keywords = ['Projekt-Nr.:', 'Projektbezeichnung:', 'Anlagenklassifizierung:', 'Arbeiten / Gewerk:']
unk_text = "Projekthezeichnung: —_[H- Kloster Eig i Krankenhaus"
words = unk_text.split()
result = [gcm(kw, words, n=len(words), cutoff=0.8) for kw in keywords]
# [[], ['Projekthezeichnung:'], [], []]
列表的每个子列表都包含与相应关键字的“接近”匹配。