python fuzzywuzzy模塊模糊字符串匹配詳細(xì)用法
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(duì)位置敏感,全匹配。fuzz.partial_ratio()對(duì)位置敏感,搜索匹配。
2)
>>> fuzz._process_and_sort(s, force_ascii, full_process=True)
對(duì)字符串s排序。force_ascii:True 或者False。為T(mén)rue表示轉(zhuǎn)換為ascii碼。如果full_process為T(mén)rue,則會(huì)將字符串s轉(zhuǎn)換為小寫(xiě),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(kāi),然后排序。如果為False,則直接對(duì)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(guò) fuzz._process_and_sort()函數(shù)處理。partial為T(mén)rue時(shí),再經(jīng)過(guò)fuzz.partial_ratio()函數(shù)。partial為False時(shí),再經(jīng)過(guò)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T(mén)rue時(shí)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(shí),就是 fuzz.token_set_ratio()函數(shù)。
fuzz.partial_token_set_ratio(s1, s2, force_ascii=True, full_process=True)
partial為T(mén)rue的fuzz._token_set()函數(shù)。
4)
fuzz.QRatio(s1, s2, force_ascii=True, full_process=True)
full_process為T(mén)rue時(shí),經(jīng)過(guò)utils.full_process()函數(shù)。然后經(jīng)過(guò)fuzz.ratio()函數(shù)。對(duì)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(jì)算相似度。對(duì)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(jì)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(méi)用字符,就用下邊的。下邊的函數(shù)都對(duì)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(gè)字符串包含第一個(gè)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(duì)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?xiě), 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(kāi)。scorer計(jì)算兩個(gè)字符串相似度的函數(shù),默認(rèn)fuzz.WRatio()。 limit是輸出個(gè)數(shù)。
輸出為數(shù)組,元素為元組,元祖第一個(gè)匹配到的字符串,第二個(gè)為int型,為score。對(duì)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(gè)閾值,當(dāng)score小于該閾值時(shí),不會(huì)輸出。返回一個(gè)生成器,輸出每個(gè)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(guò)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(guò)輸出一個(gè)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(zhǎng)一個(gè)。
以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
基于python pygame實(shí)現(xiàn)的兔子吃月餅小游戲
pygame是用來(lái)開(kāi)發(fā)游戲的一套基于SDL的模板,它可以是python創(chuàng)建完全界面化的游戲和多媒體程序,而且它基本上可以在任何系統(tǒng)上運(yùn)行,這篇文章主要給大家介紹了基于python pygame實(shí)現(xiàn)的兔子吃月餅小游戲的相關(guān)資料,需要的朋友可以參考下2021-09-09python基礎(chǔ)入門(mén)學(xué)習(xí)筆記(Python環(huán)境搭建)
這篇文章主要介紹了python基礎(chǔ)入門(mén)學(xué)習(xí)筆記,這是開(kāi)啟學(xué)習(xí)python基礎(chǔ)知識(shí)的第一篇,夯實(shí)Python基礎(chǔ),才能走的更遠(yuǎn),感興趣的小伙伴們可以參考一下2016-01-01Python基礎(chǔ)之函數(shù)基本用法與進(jìn)階詳解
這篇文章主要介紹了Python基礎(chǔ)之函數(shù)基本用法與進(jìn)階,結(jié)合實(shí)例形式總結(jié)分析了Python函數(shù)的定義、參數(shù)、返回值及遞歸等相關(guān)使用技巧與操作注意事項(xiàng),需要的朋友可以參考下2020-01-01python實(shí)現(xiàn)郵件循環(huán)自動(dòng)發(fā)件功能
這篇文章主要介紹了python實(shí)現(xiàn)郵件循環(huán)自動(dòng)發(fā)件功能,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-09-09Python批量上傳文件信息到服務(wù)器的實(shí)現(xiàn)示例
在進(jìn)行軟件測(cè)試的過(guò)程中,經(jīng)常會(huì)需要準(zhǔn)備一批數(shù)據(jù),本文主要介紹了Python批量上傳文件信息到服務(wù)器的實(shí)現(xiàn)示例,具有一定的參考價(jià)值,感興趣的可以了解一下2023-12-12python實(shí)現(xiàn)批量獲取指定文件夾下的所有文件的廠商信息
這篇文章主要介紹了python實(shí)現(xiàn)批量獲取指定文件夾下的所有文件的廠商信息的方法,是非常實(shí)用的技巧,涉及到文件的讀寫(xiě)與字典的操作等技巧,需要的朋友可以參考下2014-09-09Python實(shí)現(xiàn)EM算法實(shí)例代碼
這篇文章主要給大家介紹了關(guān)于Python實(shí)現(xiàn)EM算法的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10