python - python识别电子邮件中的文本

Question

想象一下你收到这样的电子邮件：

name1: value
name2: value
name3: value

...

这些值应插入到数据库中，其列名与电子邮件中的名称相同。

但是，电子邮件可能有一些错误，例如拼写错误或使用缩写而不是全名。此外，作者可能会随机选择更改名称，例如将自行车更改为自行车。

这些电子邮件应该被自动处理，即使它有错误。处理脚本应该能够“修复”错误。

我认为文本分类（卷积）神经网络可能会完成这项工作，但它似乎有点矫枉过正。有没有更好或更简单的解决方案？

Answer 1

这里有一些想法，因为您事先知道键（列名）。假设有color和density。

• 您可以使用诸如编辑距离之类的东西（例如，Levenshtein 距离）将任何无法识别的距离与最近的实际距离相匹配（如果它足够接近的话）。比如说，cloor可以匹配到，color因为编辑距离为 1。（但是，如果有几个匹配的编辑距离足够低，您可能希望安全地播放它而不映射数据。
• 同样，对于缩写，您可以选择通过唯一前缀映射它们，即如果有人使用dens，并且只有一列 ( density) 以 开头dens，您可能可以安全地想象它是density。

对于所有未映射的列，我会在数据库中添加一个“存储”列，您可以将无法识别的数据放入（例如 JSON 格式）中，并让脚本提醒操作员（您！）有关无法识别的键，这样您就可以改进逻辑，并使用该逻辑将数据从存储列映射到实际列。