快捷導(dǎo)航

Python3如何實(shí)現(xiàn)列表模糊匹配列表

更新時(shí)間：2022年11月02日 08:54:33 作者：丫丫博客

這篇文章主要介紹了Python3如何實(shí)現(xiàn)列表模糊匹配列表，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教

Python3列表模糊匹配列表

B列表模糊匹配A列表

a = ['123','666','355']
b = ['2','5']
for i in range(len(b)):
    for j in range(len(a)):
        if a[j].find(b[i]) == -1:
            continue
        print(a[j])

執(zhí)行結(jié)果：

在這里插入圖片描述

Python 模糊匹配搜索問題

利用python庫：fuzzywuzzy及difflib，兩個(gè)庫均可實(shí)現(xiàn)詞粒度的模糊匹配，同時(shí)可設(shè)定模糊閾值，實(shí)現(xiàn)關(guān)鍵詞的提取、地址匹配、語法檢查等

fuzzywuzzy

pip install fuzzywuzzy
 
from fuzzywuzzy import process
from fuzzywuzzy import fuzz

fuzzy模塊

（1）模糊匹配方法

ratio()——簡單匹配，使用純Levenshtein Distance進(jìn)行匹配。
partial_ratio()——非完全匹配，基于最佳的子串（substrings）進(jìn)行匹配
token_set_ratio——忽略順序匹配，對(duì)字符串進(jìn)行標(biāo)記（tokenizes）并在匹配之前按字母順序?qū)λ鼈冞M(jìn)行排序
token_set_ratio——去重子集匹配，對(duì)字符串進(jìn)行標(biāo)記（tokenizes）并比較交集和余數(shù)

（2）實(shí)例

ratio() 簡單匹配

fuzz.ratio("河南省", "河南省")
>>> 100
 
fuzz.ratio("河南", "河南省")
>>> 80

partial_ratio() 非完全匹配

fuzz.partial_ratio("河南省", "河南省")
>>> 100
 
fuzz.partial_ratio("河南", "河南省")
>>> 100

token_set_ratio() 忽略順序匹配

fuzz.ratio("西藏 自治區(qū)", "自治區(qū) 西藏")
>>> 50
fuzz.ratio('I love YOU','YOU LOVE I')
>>> 30
 
fuzz.token_sort_ratio("西藏 自治區(qū)", "自治區(qū) 西藏") 
>>> 100
fuzz.token_sort_ratio('I love YOU','YOU LOVE I') 
>>> 100

token_set_ratio() 去重子集匹配

fuzz.ratio("西藏 西藏 自治區(qū)", "自治區(qū) 西藏")
>>> 40
 
fuzz.token_sort_ratio("西藏 西藏 自治區(qū)", "自治區(qū) 西藏")
>>> 80
 
fuzz.token_set_ratio("西藏 西藏 自治區(qū)", "自治區(qū) 西藏")
>>> 100

process模塊

（1） extract提取多條數(shù)據(jù)

類似于爬蟲中select，返回的是列表，其中會(huì)包含很多匹配的數(shù)據(jù)

choices = ["河南省", "鄭州市", "湖北省", "武漢市"]
process.extract("鄭州", choices, limit=2)
>>> [('鄭州市', 90), ('河南省', 0)]
# extract之后的數(shù)據(jù)類型是列表，即使limit=1，最后還是列表，注意和下面extractOne的區(qū)別

（2）extractOne提取一條數(shù)據(jù)

提取匹配度最大的結(jié)果，返回元組類型，還有就是匹配度最大的結(jié)果不一定是我們想要的數(shù)據(jù)，可以通過下面的示例和兩個(gè)實(shí)戰(zhàn)應(yīng)用體會(huì)一下

process.extractOne("鄭州", choices)
>>> ('鄭州市', 90)
 
process.extractOne("北京", choices)
>>> ('湖北省', 45)

difflib

Difflib作為python的標(biāo)準(zhǔn)庫，difflib模塊提供的類和方法用來進(jìn)行序列的差異化比較，它能夠比對(duì)文件并生成差異結(jié)果文本或者h(yuǎn)tml格式的差異化比較頁面，而且支持輸出可讀性比較強(qiáng)的HTML文檔

（0）get_close_matches(word, possibilities, n=3, cutoff=0.6)

import difflib
config_list = ['中國工商銀行','中國農(nóng)業(yè)銀行','建設(shè)銀行','中國人民銀行','招商證券','中國農(nóng)業(yè)發(fā)展銀行']
query_word = '農(nóng)行'
 
res = difflib.get_close_matches(query_word, config_list, 1, cutoff=0.5)
print(res)
>>>['中國農(nóng)業(yè)銀行']

擴(kuò)展——文件比較

（1）difflib.Differ

此類比較的是文本行的差異并且產(chǎn)生適合人類閱讀的差異結(jié)果或者增量結(jié)果，結(jié)果中各部分的表示如下：

（2）difflib.HtmlDiff

make_file(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])
 
make_table(fromlines, tolines [, fromdesc][, todesc][, context][, numlines])

此類可以被用來創(chuàng)建HTML表格 (或者說包含表格的html文件) ，兩邊對(duì)應(yīng)展示或者行對(duì)行的展示比對(duì)差異結(jié)果。以上兩個(gè)方法都可以用來生成包含一個(gè)內(nèi)容為比對(duì)結(jié)果的表格的html文件，并且部分內(nèi)容會(huì)高亮顯示。

（3）context_diff

difflib.context_diff(a, b[, fromfile][, tofile][, fromfiledate][, tofiledate][, n][, lineterm])

比較a與b(字符串列表)，并且返回一個(gè)差異文本行的生成器

>>> s1 = ['bacon\n', 'eggs\n', 'ham\n', 'guido\n']
>>> s2 = ['python\n', 'eggy\n', 'hamster\n', 'guido\n']
>>> for line in context_diff(s1, s2, fromfile='before.py', tofile='after.py'):
...     sys.stdout.write(line)  
*** before.py
--- after.py
***************
*** 1,4 ****
! bacon
! eggs
! ham
  guido
--- 1,4 ----
! python
! eggy
! hamster
  guido

(4) 比對(duì)兩個(gè)文件，然后生成一個(gè)展示差異結(jié)果的HTML文件

import difflib
hd = difflib.HtmlDiff()
file1 = ''
with open('xxx1.py','r') as load:
    file1 = load.readlines()
    load.close()
 
file2 = ''
with open('xxx2', 'r') as mem:
    file2 = mem.readlines()
    mem.close()
 
with open('htmlout.html','a+') as fo:
    fo.write(hd.make_file(file1,file2))
    fo.close()