Python+fuzzywuzzy計算兩個字符串之間的相似度

更新時間：2022年09月27日 09:10:44 作者：古明地覺

fuzzywuzzy?可以計算兩個字符串之間的相似度，它依據(jù)?Levenshtein?Distance?算法來進行計算，該算法又叫?Edit?Distance?算法，感興趣的小伙伴可以跟隨小編一起學習一下

fuzzywuzzy 可以計算兩個字符串之間的相似度，它依據(jù) Levenshtein Distance 算法來進行計算。該算法又叫 Edit Distance 算法，是指兩個字符串之間，由一個轉(zhuǎn)成另一個所需要的最少編輯操作次數(shù)。許可的編輯操作包括將一個字符替換成另一個字符，插入一個字符，刪除一個字符。一般來說，編輯距離越小，兩個串的相似度越高。

我們來看一下該模塊的用法，非常簡單：

from?fuzzywuzzy?import?fuzz

#?調(diào)用?fuzz.ratio?即可計算兩個字符串的相似度
print(
????fuzz.ratio("古明地覺",?"古明地戀")
)??#?75

#?我們看到?ratio?是完全匹配的
#?它把字符串的長度也考慮在內(nèi)了
print(
????fuzz.ratio("古明地覺",?"古明地覺aa")
)??#?80

#?partial_ratio是非完全匹配
#?如果一方結(jié)束了，那么剩下的就不考慮了
print(
????fuzz.partial_ratio("古明地覺",?"古明地覺,小五蘿莉")
)??#?100

#?token_sort_ratio表示忽略順序匹配
#?但前提是多個詞，以空格進行分隔
print(
????fuzz.ratio("古?明?地?覺",?"古?明?地?覺"[::?-1])
)??#?25
print(
????fuzz.token_sort_ratio("古?明?地?覺",?"古?明?地?覺"[::?-1])
)??#?100

#?token_set_ratio表示去重匹配
#?同樣：前提是多個詞，以空格進行分隔
print(fuzz.ratio("a?a?a?he",?"a?he"))??#?67
print(
????fuzz.token_set_ratio("a?a?a?he",?"a?he")
)??#?100

當我們使用 git 的時候，如果命令輸錯了，那么會告訴你此命令不是一個 git 命令，這是理所應當?shù)?。然后重點來了，git 還會提示一些與你輸錯的命令長得非常相似的一些命令。

所以這里面也用到了字符串的相似度原理，找出 git 命令中和你輸錯的命令最相似的幾個，然后進行提示。

如果我們也寫了一個類似的程序，需要用戶通過命令行參數(shù)的方式，那么當用戶輸入了一個不存在的命令時，我們也可以這么做。而實現(xiàn)方法也很簡單，就是將所有的命令和用戶輸錯的命令都計算一個相似度，然后返回相似度最高的 n 個即可。

使用上面的 fuzz 完全可以實現(xiàn)，當然 fuzzywuzzy 模塊還提供了一個 extract 函數(shù)，可以讓我們更加輕松地做到這一點。

from?fuzzywuzzy?import?process

words?=?["hello?python",?"hello?java",?
?????????"hello?golang",?"hello?php"]
#?會自動和?words?里面的每一個元素進行比較
#?然后按照相似度從高到低排列
print(process.extract("hello?thon",?words))
"""
[('hello?python',?91),?('hello?php',?74),?
?('hello?golang',?73),?('hello?java',?64)]
"""

#?還可以傳入一個?limit?參數(shù)
#?表示只返回前?limit?個，默認為5
print(
????process.extract("hello?thon",?words,?limit=2)
)?
"""
[('hello?python',?91),?
?('hello?php',?74)]
"""

#?返回分數(shù)最高的，此時返回一個元組
print(
????process.extractOne("hello?thon",?words)
)??
"""
('hello?python',?91)
"""

這個模塊使用起來還是比較簡單的，當然核心是字符串相似度的計算原理，這才是重點，有興趣可以去了解一下。

另外使用 fuzzywuzzy 這個模塊的時候，會彈出一個警告：