Question

我想知道你的字符串是否几乎相似。例如，像Mohan Mehta＆＃39; Mohan Mehta＆＃39;应该匹配Mohan Mehte＆＃39;反之亦然。另一个例子，像＆＃39; Umesh Gupta＆＃39;应该匹配Umash Gupte＆＃39;。

基本上一个字符串是正确的，另一个字符串是错误拼写的。我的所有字符串都是人的名字。

有关如何实现这一目标的任何建议。

解决方案不必100％有效。

Answer 1

如果您需要stdlib中的内容，可以使用difflib.sequencematcher：

from difflib import SequenceMatcher
s_1 = 'Mohan Mehta'
s_2 = 'Mohan Mehte'
print(SequenceMatcher(a=s_1,b=s_2).ratio())
0.909090909091

fuzzywuzzy是您可以安装的众多库之一，它使用带有python-Levenshtein的difflib模块。您还应该查看Approximate_string_matching

上的wikipage

Answer 2

另一种方法是使用＆＃34; phonetic algorithm＆＃34;：

语音算法是一种通过发音对单词进行索引的算法。

例如使用soundex算法：

>>> import soundex
>>> s = soundex.getInstance()
>>> s.soundex("Umesh Gupta")
'U5213'
>>> s.soundex("Umash Gupte")
'U5213'
>>> s.soundex("Umesh Gupta") == s.soundex("Umash Gupte")
True

Answer 3

你想要的是string distance。有很多种，但我建议从Levenshtein distance开始。

Answer 4

您可能需要查看NLTK（自然语言工具包），特别是nltk.metrics包，它实现了各种字符串距离算法，包括已经提到的Levenshtein距离。

Answer 5

您可以分割字符串并检查它是否包含至少一个正确的名字/姓氏。

Answer 6

// calculate the similarity between 2 strings

  public static double similarity(String s1, String s2) {
    String longer = s1, shorter = s2;
    if (s1.length() < s2.length()) { // longer should always have greater length
      longer = s2; shorter = s1;
    }
    int longerLength = longer.length();
    if (longerLength == 0) { return 1.0; /* both strings are zero length */ }
    /* // If you have StringUtils, you can use it to calculate the edit distance:
    return (longerLength - StringUtils.getLevenshteinDistance(longer, shorter)) /
                               (double) longerLength; */
    return (longerLength - editDistance(longer, shorter)) / (double) longerLength;

  }

  // Example implementation of the Levenshtein Edit Distance
  // See http://rosettacode.org/wiki/Levenshtein_distance#Java
  public static int editDistance(String s1, String s2) {
    s1 = s1.toLowerCase();
    s2 = s2.toLowerCase();

    int[] costs = new int[s2.length() + 1];
    for (int i = 0; i <= s1.length(); i++) {
      int lastValue = i;
      for (int j = 0; j <= s2.length(); j++) {
        if (i == 0)
          costs[j] = j;
        else {
          if (j > 0) {
            int newValue = costs[j - 1];
            if (s1.charAt(i - 1) != s2.charAt(j - 1))
              newValue = Math.min(Math.min(newValue, lastValue),
                  costs[j]) + 1;
            costs[j - 1] = lastValue;
            lastValue = newValue;
          }
        }
      }
      if (i > 0)
        costs[s2.length()] = lastValue;
    }
    return costs[s2.length()];
  }

找出两个字符串是否几乎相似

6 个答案: