python3算法实践 模糊查询 寻找企业名称中字符串最长匹配

• 项目目标：
  已有本地登记数据local-data.xlsx，需从网页填报数据web-data.xls中筛查出未填报的本地数据

• 数据特征：

1. web-data.xls包含目标列“尾矿库名称”和“企业名称”，local-data.xlsx包含目标列“尾矿库名称”、“所属企业”、“尾矿库\n运行情况”
2. web-data.xls数据基本格式如下：

尾矿库名称（str）	企业名称（str）
（str）	（str）

local-data.xlsx数据基本格式如下：

尾矿库名称（str）	企业名称（str）	尾矿库\n运行情况（str）
（str）	（str）	在用/停用/…（str）

3. web-data.xls的“企业名称”列是“尾矿库名称”列的上级列，即某企业包含某尾矿库，local-data.xlsx的目标列“所属企业”和“尾矿库名称”存在相同关系
4. 一家企业可包含多个尾矿库，企业名称不允许同名，尾矿库名称不允许同名
5. web-data.xls应和local-data.xlsx中能匹配的对应条目描述基本一致，即web-data.xls的“尾矿库名称”与local-data.xlsx的“尾矿库名称”对应字符串完全相同或相似，web-data.xls的“企业名称”与local-data.xlsx的“所属企业”对应字符同上
6. 在网页测试过程中手工填报了一部分条目，未及时删除，与网页发布后填报的数据重复，使web-data.xls中存在同名尾矿库或同名企业，与上文第3点数据特征相违背，此类数据应首先进行筛查处理
7. local-data.xlsx中“尾矿库\n运行情况”列区分“在用”“停用”等状态，需要从中筛选出状态为“在用”的数据条目

• 思路原则：
  优先匹配尾矿库名称，利用企业名称进行配合比较

• 解决方案：

1. 筛查处理web-data.xls中存在同名尾矿库或同名企业
2. 筛选出local-data.xlsx中“尾矿库\n运行情况”为“在用”的数据条目
3. 处理干净后的web-data.xls和local-data.xlsx的条目进行逐条对比，
4. 逐条对比中，先删除“尾矿库名称”字符串完全匹配条目，得到第一次对比剩余的web-data和local-data
5. 第一次对比剩余的web-data和local-data中，删除“企业名称”字