python 字符串模糊匹配 Fuzzywuzzy

Python提供fuzzywuzzy模块，不仅可用于计算两个字符串之间的相似度，而且还提供排序接口能从大量候选集中找到最相似的句子。

（1）安装

pip install fuzzywuzzy

（2）接口说明

两个模块：fuzz, process，fuzz主要用于两字符串之间匹配，process主要用于搜索排序。

fuzz.ratio(s1,s2)直接计算s2和s2之间的相似度，返回值为0-100，100表示完全相同；

fuzz.partial_ratio(S1,S2)部分匹配，如果S1是S2的子串依然返回100；

fuzz.token_sort_ratio(S1,S2)只比较S1，S2单词是否相同，不考虑词语之间的顺序；

fuzz.token_set_ratio(S1，S2)相比fuzz.token_sort_ratio不考虑词语出现的次数；

process.extract(S1, ListS,limit=n)，表示从列表ListS中找出Top n与S1最相似的句子;

process.extractOne(S1,ListS)，返回最相似的一个
1
2
3
4
5
6
7
8
9
10
11
（3）使用

from fuzzywuzzy import fuzz
a = 'a b c'
b = ' a c b '
c = 'a c'

fuzz.ratio(a, c)
>> 75
fuzz.ratio(b, c)
>> 60

fuzz.partial_ratio(a, c)
>> 67
fuzz.partial_ratio(b, c)
>> 100

fuzz.token_sort_ratio(a, c)
>> 75
fuzz.token_sort_ratio(b, c)
>> 75

fuzz.token_set_ratio(a, c)
>> 100
fuzz.token_set_ratio(b, c)
>> 100
---------------------