python fuzzywuzzy模块 模糊字符串匹配详细用法
来源:互联网 发布:淘宝装修 客户达 编辑:程序博客网 时间:2024/06/06 05:52
github主页
导入:
>>> 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()对位置敏感,全匹配。fuzz.partial_ratio()对位置敏感,搜索匹配。
2)
>>> fuzz._process_and_sort(s, force_ascii, full_process=True)
对字符串s排序。force_ascii:True 或者False。为True表示转换为ascii码。如果full_process为True,则会将字符串s转换为小写,去掉除字母和数字之外的字符(发现不能去掉-字符),剩下的字符串以空格分开,然后排序。如果为False,则直接对字符串s排序。
>>> fuzz._token_sort(s1, s2, partial=True, force_ascii=True, full_process=True)
给出字符串 s1, s2的相似度。首先经过 fuzz._process_and_sort()函数处理。partial为True时,再经过fuzz.partial_ratio()函数。partial为False时,再经过fuzz.ratio()函数。
>>> fuzz.token_sort_ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")out 100
partial为False的_token_sort()
fuzz.partial_token_sort_ratio(s1, s2, force_ascii=True, full_process=True)
就是partial为True时的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)
当partial为False时,就是 fuzz.token_set_ratio()函数。
fuzz.partial_token_set_ratio(s1, s2, force_ascii=True, full_process=True)
partial为True的fuzz._token_set()函数。
4)
fuzz.QRatio(s1, s2, force_ascii=True, full_process=True)
full_process为True时,经过utils.full_process()函数。然后经过fuzz.ratio()函数。对顺序敏感。
fuzz.UQRatio(s1, s2, full_process=True)
就是 force_ascii为False的fuzz.QRatio()函数。
fuzz.WRatio(s1, s2, force_ascii=True, full_process=True)
使用另一种不同算法计算相似度。对顺序敏感。
UWRatio(s1, s2, full_process=True)
是force_ascii为False的fuzz.WRatio()函数。
总结:如果计算相似度的字符串只有字母和数字,直接可以用ratio()和partial_ratio()。但如果还有其他字符,而且我们想要去掉这些没用字符,就用下边的。下边的函数都对顺序不敏感,但token_sort_ratio()系列是全字符匹配,不管顺序。而token_set_ratio()只要第二个字符串包含第一个字符串就100,不管顺序。
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是数组,元素是字符串。 processor是对输入比较的字符串的处理函数,默认是fuzzywuzzy.utils.full_process(),即将字符串变为小写, 去掉除字母和数字之外的字符(发现不能去掉-字符),剩下的字符串以空格分开。scorer计算两个字符串相似度的函数,默认fuzz.WRatio()。 limit是输出个数。
输出为数组,元素为元组,元祖第一个匹配到的字符串,第二个为int型,为score。对输出按照score排序。
>>> process.extractWithoutOrder(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0)
score_cutoff为一个阈值,当score小于该阈值时,不会输出。返回一个生成器,输出每个大于 score_cutoff的匹配,按顺序输出,不排序。
>>> process.extractBests(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0, limit=5)
process.extractBests()和process.extract()都调用了process.extractWithoutOrder(),只不过process.extractBests()能传输 score_cutoff。
>>> process.extractOne(query, choices, processor=default_processor, scorer=default_scorer, score_cutoff=0)
也调用了process.extractWithoutOrder(),只不过输出一个score最高的值。
process.dedupe(contains_dupes, threshold=70, scorer=fuzz.token_set_ratio)
contains_dupes是数组,元素为字符串。
取出相似度小于 threshold的字符串,相似度大于 threshold的字符串取最长一个。
- python fuzzywuzzy模块 模糊字符串匹配详细用法
- python fuzzywuzzy模块的函数应用
- c#字符串模糊匹配
- 关于字符串模糊匹配
- 字符串模糊匹配
- java字符串模糊匹配
- java字符串模糊匹配
- 字符串模糊匹配
- java字符串模糊匹配
- java 字符串模糊匹配
- 字符串模糊匹配
- python 模糊匹配
- SQL 模糊查询 模糊查找 字符串匹配
- C/C++ 字符串模糊匹配
- 字符串匹配/模糊匹配(查找/模糊查找)的算法
- 快速字符串模糊匹配--基于Horspool的模糊匹配算法
- 生成查询的模糊匹配字符串
- 声成查询的模糊匹配字符串
- hihocoder1039 字符消除 永远不要着急,容不得一丝差错
- 面向网络编程
- 广播时刻监听网络状态
- uc/os程序设计点滴记录
- UVa 10048 Audiophobia 最短路的最大值
- python fuzzywuzzy模块 模糊字符串匹配详细用法
- source insight 保存时出现error:too many files are open.
- Python模块之信号学习(signal)
- java 线程 自定义循环出口和interrupt的区别 学习笔记
- 算法复杂度简析
- HBase数据库检索性能优化策略
- 两人过桥
- 使用uc/os开发要明确的几个堆栈
- algorithm这个头文件里包含的常用函数