3

我正在尝试 difflib 库。我有两个列表： L_1 和 L_2 包含字符串。我想知道，如果这些序列相似（顺序并不重要）。

L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Háns"]

应该可以。但

L_1 = ["Nirdosch", "Mary", "Rolf"]
L_2 = ["Bob", "Marie", "Háns"]

应该不行。

我想出了迭代第一个列表 L_1 并通过该方法匹配 L_1 的每个元素的想法

difflib.get_close_matches()

针对第二个列表 L_2。如果有一个比率更大的匹配，那么假设 0.7 从 L_2 中删除它并继续。但我怀疑这是一个好计划。有更好的吗？

4

1 回答 1

3

我会做类似的事情：

import difflib

L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Hans"]

def similiarity(L_1, L_2):
    L_1 = set(intern(w) for w in L_1)
    L_2 = set(intern(w) for w in L_2)

    to_match = L_1.difference( L_2)
    against = L_2.difference(L_1)
    for w in to_match:
        res = difflib.get_close_matches(w, against)
        if len(res):
            against.remove( res[0] )
    return (len(L_2)-len(against)) / (len(L_1))

print similiarity(L_1,L_2)
于 2011-03-30T17:02:51.717 回答