python文本模糊匹配

---

前言

因项目需要，待匹配的字符串需要与给出的字符串（以逗号分隔）进行模糊匹配。经过查阅资料，本文采用的是python自带的difflib库。

一、difflib是什么？

Difflib作为python的标准库，无需安装，作用是对比文本之间的差异，而且支持输出可读性比较强的HTML文档。
本文主要用到库difflib的类SequenceMatcher的quick_ratio()方法，其功能为比较文本的距离，并把结果量化成[0,1]之间，相同的时候返回1，没有相同片段返回0。

quick_ratio()方法，计算公式如下：

计算所有匹配片段的长度之和T，匹配度等于2*T/(len(a)+len(b))

如：

a="helloworld"

b="hellopython"

则，T = 6
a与b之间的匹配度为：2*6/（10+11）=0.571

二、代码

import difflib

def fuzzy_matching(texts, value):
    texts = texts.split(",")
    texts_score = {}
    for i in texts:
        score = difflib.SequenceMatcher(None, i, value).quick_ratio()
        texts_score[i] = score
    texts_score = sorted(texts_score.items(), key=lambda x: x[1], reverse=False)
    print(texts_score)
    match_value = texts_score[-1][0]
    return match_value


if __name__ == '__main__':
    texts = "苏盐城货1023,鲁济宁货2784,苏徐州货6050,鲁济宁货1897,苏宿驳1092,苏淮货3333,苏淮货3343"
    value = "货 343"
    match_value = fuzzy_matching(texts, value)
    print(match_value)

总结

代码其实很简单，主要就是用一个字典来接受各个字段与待匹配字段的之间的匹配度，然后升序排序，最后取出最大匹配度的那一个字段就OK了。
当然，我们也可以设置一个匹配度阈值，当匹配度大于这个阈值时才匹配结果，小于时就不做处理。
如果阅读本文对你有用，欢迎一键三连呀！！！
2022年1月10日15:23:13