欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python 比較文本相似性的方法(difflib,Levenshtein)

 更新時(shí)間：2018年10月15日 14:50:56   作者：曉東邪  
今天小編就為大家分享一篇Python 比較文本相似性的方法(difflib,Levenshtein)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

最近工作需要用到序列匹配，檢測(cè)相似性，不過(guò)有點(diǎn)復(fù)雜的是輸入長(zhǎng)度是不固定的，舉例為：

input_and_output = [1, 2, '你好', 世界', 12.34, 45.6, -21, '中國(guó)', '美麗']

其中，需要從input_and_output 中選取不固定長(zhǎng)度的一段作為輸入，且順序不定，然后去與總體進(jìn)行比較，找出最符合的，開(kāi)始是對(duì)漢字進(jìn)行數(shù)值化編碼，不過(guò)后來(lái)由于出現(xiàn)漢字越來(lái)越多，遂放棄該方法，轉(zhuǎn)向別的方式，查找資料發(fā)現(xiàn)了兩個(gè)python包廣被推薦，從下面來(lái)看各有優(yōu)缺點(diǎn)，記錄之~

1、difflib

import difflib #python 自帶庫(kù)，不需額外安裝

In [49]: test1
Out[49]: ['你好', '我是誰(shuí)']

In [50]: test2
Out[50]: ['你好啊', '我誰(shuí)']

In [51]: test3
Out[51]: [12, 'nihao']

In [52]: test4
Out[52]: ['你好', 'woshi']

In [53]: difflib.SequenceMatcher(a=test1, b=test2).quick_ratio()
Out[53]: 0.0

In [54]: difflib.SequenceMatcher(a=test1, b=test4).ratio()
Out[54]: 0.5

2、Levenshtein

#pip install python-Levenshtein

import Levenshtein


In [56]: Levenshtein.distance(','.join(test1), ','.join(test2))
Out[56]: 2

In [57]: Levenshtein.distance(','.join(test1), ','.join(test4))
Out[57]: 5

簡(jiǎn)單來(lái)說(shuō)，difflib使用時(shí)不一定為字符串，但匹配時(shí)只有單個(gè)元素完全匹配才計(jì)入，

而Levenshtein則需要輸入為字符串，匹配時(shí)是整體匹配（也可能跟把所有元素集中成一個(gè)字符串有關(guān)，具體待繼續(xù)使用再摸索）

以上這篇Python 比較文本相似性的方法(difflib,Levenshtein)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

相關(guān)文章

最新評(píng)論