github主頁

導(dǎo)入：

>>> from fuzzywuzzy import fuzz
>>> from fuzzywuzzy import process

1）

>>> fuzz.ratio("this is a test", "this is a test!")
out 97
>>> fuzz.partial_ratio("this is a test", "this is a test!")
out 100

fuzz.ratio()對位置敏感，全匹配。fuzz.partial_ratio()對位置敏感，搜索匹配。

2）

>>> fuzz._process_and_sort(s, force_ascii, full_process=True)

對字符串s排序。force_ascii:True 或者False。為True表示轉(zhuǎn)換為ascii碼。如果full_process為True，則會將字符串s轉(zhuǎn)換為小寫，去掉除字母和數(shù)字之外的字符（發(fā)現(xiàn)不能去掉-字符），剩下的字符串以空格分開，然后排序。如果為False，則直接對字符串s排序。

>>> fuzz._token_sort(s1, s2, partial=True, force_ascii=True, full_process=True)

給出字符串 s1, s2的相似度。首先經(jīng)過 fuzz._process_and_sort（）函數(shù)處理。partial為True時，再經(jīng)過fuzz.partial_ratio（）函數(shù)。partial為False時，再經(jīng)過fuzz.ratio（）函數(shù)。

>>> fuzz.token_sort_ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
out 100

partial為False的_token_sort()

fuzz.partial_token_sort_ratio(s1, s2, force_ascii=True, full_process=True)

就是partial為True時的Fuzz._token_sort（）

3）

>>> fuzz.token_set_ratio("fuzzy was a bear", "fuzzy fuzzy was a bear")
out 100

fuzz._token_set(s1, s2, partial=True, force_ascii=True, full_process=True)

當(dāng)partial為False時，就是 fuzz.token_set_ratio（）函數(shù)。

fuzz.partial_token_set_ratio(s1, s2, force_ascii=True, full_process=True)

partial為True的fuzz._token_set（）函數(shù)。

4）

fuzz.QRatio(s1, s2, force_ascii=True, full_process=True)

full_process為True時，經(jīng)過utils.full_process(）函數(shù)。然后經(jīng)過fuzz.ratio()函數(shù)。對順序敏感。

fuzz.UQRatio(s1, s2, full_process=True)

就是 force_ascii為False的fuzz.QRatio（）函數(shù)。

fuzz.WRatio(s1, s2, force_ascii=True, full_process=True)

使用另一種不同算法計算相似度。對順序敏感。

UWRatio(s1, s2, full_process=True)

是force_ascii為False的fuzz.WRatio(）函數(shù)。

總結(jié)：如果計算相似度的字符串只有字母和數(shù)字，直接可以用ratio（）和partial_ratio()。但如果還有其他字符，而且我們想要去掉這些沒用字符，就用下邊的。下邊的函數(shù)都對順序不敏感，但token_sort_ratio（）系列是全字符匹配，不管順序。而token_set_ratio（）只要第二個字符串包含第一個字符串就100,不管順序。

5）

>>> choices = ["Atlanta Falcons", "New York Jets", "New York Giants", "Dallas Cowboys"]
>>> process.extract("new york jets", choices, limit=2)
 [('New York Jets', 100), ('New York Giants', 78)]
>>> process.extractOne("cowboys", choices)
 ("Dallas Cowboys", 90)

>>> process.extract(query, choices, processor=default_processor, scorer=default_scorer, limit=5)

query是字符串，choices是數(shù)組，元素是字符串。 processor是對輸入比較的字符串的處理函數(shù)，默認(rèn)是fuzzywuzzy.utils.full_process()，即將字符串變?yōu)樾懀?去掉除字母和數(shù)字之外的字符（發(fā)現(xiàn)不能去掉-字符），剩下的字符串以空格分開。scorer計算兩個字符串相似度的函數(shù)，默認(rèn)fuzz.WRatio()。 limit是輸出個數(shù)。

輸出為數(shù)組，元素為元組，元祖第一個匹配到的字符串，第二個為int型，為score。對輸出按照score排序。

>>> process.extractWithoutOrder(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0)

score_cutoff為一個閾值，當(dāng)score小于該閾值時，不會輸出。返回一個生成器，輸出每個大于 score_cutoff的匹配，按順序輸出，不排序。

>>> process.extractBests(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0, limit=5)

process.extractBests（）和process.extract（）都調(diào)用了process.extractWithoutOrder（），只不過process.extractBests（）能傳輸 score_cutoff。

>>> process.extractOne(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0)

也調(diào)用了process.extractWithoutOrder（），只不過輸出一個score最高的值。

process.dedupe(contains_dupes, threshold=70, scorer=fuzz.token_set_ratio)

contains_dupes是數(shù)組，元素為字符串。

取出相似度小于 threshold的字符串，相似度大于 threshold的字符串取最長一個。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論