python字符串模糊匹配 - RapidFuzz

最新推荐文章于 2024-08-07 14:36:00 发布

「已注销」

最新推荐文章于 2024-08-07 14:36:00 发布

阅读量3.6k

点赞数 1

分类专栏： NLP python 文章标签： python 自然语言处理

本文链接：https://blog.csdn.net/renyongzhe/article/details/126807260

版权

RapidFuzz是一个Python和C++编写的字符串匹配模块，速度快于FuzzyWuzzy，提供多种相似度计算方法。它包括process、distance和fuzz模块，其中process用于字符串列表的比较，distance包含各种距离度量函数，fuzz则提供额外的模糊匹配算法。RapidFuzz适用于需要高效字符串匹配的场景。

摘要由CSDN通过智能技术生成

简介

之前已介绍了字符串模糊匹配的应用以及FuzzyWuzzy包的使用。目前使用较多的是运行速度更快的RapidFuzz，从名字即可看出其特点。RapidFuzz是一个使用python和C++编写的字符串匹配模块，使用了与FuzzyWuzzy相同的字符串相似度计算方法。RapidFuzz与FuzzyWuzzy的主要区别如下：

RapidFuzz是MIT licensed，可在任何地方使用，而FuzzyWuzzy需要遵守GPL license；
RapidFuzz提供更多字符串相似度计算方式，比如 hamming，jaro_winkler；
大部分使用C++编写，在此基础上有很多算法优化使得匹配速度更快，并且结果一致；
解决了FuzzyWuzzy中partial_ratio 方法的一些bug；

安装：pip install rapidfuzz

RapidFuzz基本使用

使用方法与FuzzyWuzzy 基本一致，有4种常用的相似度计算函数scorer，其运行速度远超FuzzyWuzzy对应函数，如下图所示。同样有process模块用于字符串与列表的比较，且其效率远比单独使用scorers函数逐个比较更快速。

> from rapidfuzz import fuzz,process
> fuzz.ratio("this is a test", "this is a test!")
96.55
> fuzz.partial_ratio("this is a test", "this is a test!")
100.0
> fuzz.token_sort_ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
100.0
> fuzz.token_set_ratio("fuzzy was a bear", "fuzzy fuzzy was a bear")
100.0
> process.extractOne("cowboys", choices, scorer=fuzz.WRatio)
> process.extract("new york jets", choices, scorer=fuzz.WRatio