PYTHON处理字符串匹配

今天遇见一个问题：要进行字符串匹配。
实际业务：比较N个JSON串和一行文本的相似度。并选择最像的M个JSON。

业务逻辑和这个一致：
我这里有100个数字
然后另外一个表格请找出表格1和表格2相同的数据、相似度并定位。
（丢几个数据不重要，重要的是相似度）
我XX日了狗了。

————————————————————————

写个脚本定位下：

def get_list2(data, line=2):
    data = data.replace('\n', '')
    data = str(data)
    data_list =[]
    if data == '':
        data ='￥￥'
    for i in range(0, int(len(data)/line)):
        part = data[i*line:i*line+line]
        data_list.append(part)
    return data_list




file1 = open('l1.txt', 'r', encoding='gbk')
file2 = open('l2.txt', 'r', encoding='gbk',errors='replace')
data1 = file1.read()
data2 = file2.read()
file1.close()
file2.close()
count = []
key_list = []
list1 = data1.split("/>")
list2 = get_list2(data2)

# print(list1)
# print(list2)
for part in list1:
    count_num = 0
    key_part = []
    for key in list2:
        if part.find(key) != -1:
            count_num = count_num+1
            key_part.append(key)
    key_part_all = "".join(key_part)
    count.append(count_num)
    key_list.append(key_part_all)
print(len(count))
print(len(list1))
for i in range(len(count)):
    for j in range(len(count)-i-1):
        if count[j] < count[j+1]:
            count[j], count[j+1] = count[j+1], count[j]
            list1[j], list1[j+1] = list1[j+1], list1[j]
            key_list[j], key_list[j+1] = key_list[j+1], key_list[j]
print(list1[0])
print('**************************************************************************')
print(list1[1])
print('--------------------------------------------------------------------------')
print("最符合的信息串为：{}\n匹配的正文为{}\n匹配权重为{}".format(list1[0], key_list[0], count[0]))
print('\n*******************\n')
print("比较符合的信息串为：{}\n匹配的正文为{}\n匹配权重为{}".format(list1[1], key_list[1], count[0]))

第一：把JSON等保存为Dbunit。（让他们丢失格式，可以分开）
然后把字符串拼接到l1.txt。
然后需要匹配的字符串为l2.txt。
然后将要匹配的字符串给拆解成各种2、3个的小字符串，然后和各个列表进行比较。

写完发现：虽然业务逻辑各种简陋，但是挺管用的。

凑合着用吧。

---

---

优化了一丢丢算法：

import time
import sys
file1_root = r'F:\d1\getmessage\l1.txt'
file2_root = r'F:\d1\getmessage\l2.txt'


def get_char(end='end', end_char=''):
    data = 'char_is_null'
    while 1:
        var = input()
        if var == str(end):
            break
        elif end_char != '' and var.find(end_char) != -1:
            var = var[0:var.find(end_char)]
            data = '{}\n{}'.format(data, var)
            break
        else:
            data = '{}\n{}'.format(data, var)
    return data.replace('char_is_null\n', '')


def get_list2(data, line=2):
    data = data.replace('\n', '')
    data = str(data)
    data_list =[]
    if data == '':
        data = '**************************'
    for i in range(0, int(len(data)/line)):
        part = data[i*line:i*line+line]
        data_list.append(part)
    return data_list


file1 = open(file1_root, 'a+', encoding='gbk', errors='replace')
file1.close()
file2 = open(file2_root, 'a+', encoding='gbk', errors='replace')
file2.close()
while 1:
    file1 = open(file1_root, 'r', encoding='gbk', errors='replace')
    file2 = open(file2_root, 'r', encoding='gbk', errors='replace')
    data1 = file1.read()
    data2 = file2.read()
    print("获取的字符串为：{}".format(data1))
    print("比对的字符串为：{}".format(data2))
    file1.close()
    file2.close()
    get_data = input("需要获取文件？Y/N\n")
    if get_data == 'Y' or get_data == 'y':
        print("以/>分隔的字符串，以end结束\n")
        data1 = get_char()
        data2 = input("比对的字符串为，以end结束：\n")
        data2 = get_char()
        file1 = open(file1_root, 'w+', encoding='gbk', errors='replace')
        file1.write(data1)
        file1.close()
        file2 = open(file2_root, 'w+', encoding='gbk', errors='replace')
        file2.write(data2)
        file2.close()
    else:
        print('不获取新数据，处理历史数据\n')
    data1 = data1.lower()
    data2 = data2.lower()
    count = []
    key_list = []
    list1 = data1.split("/>")
    list1.append('')
    list2 = get_list2(data2)
    try:
        # print(list1)
        # print(list2)
        for part in list1:
            count_num = 0
            key_part = []
            for key in list2:
                if part.find(key) != -1:
                    count_num = count_num + 1
                    key_part.append(key)
            key_part_all = "".join(key_part)
            count.append(count_num)
            key_list.append(key_part_all)
        print(len(count))
        print(len(list1))
        for i in range(len(count)):
            for j in range(len(count) - i - 1):
                if count[j] < count[j + 1]:
                    count[j], count[j + 1] = count[j + 1], count[j]
                    list1[j], list1[j + 1] = list1[j + 1], list1[j]
        for i in range(100):
            if count[i] <= count[0] * 0.5 and i > 0:
                break
            else:
                print(list1[0])
                print('**************************************************************************')
                print('--------------------------------------------------------------------------')
                print("符合的信息串为：{}\n匹配的正文为{}\n匹配权重为{}".format(list1[0], key_list[0], count[0]))
    except Exception as e:
        print(e)
    var = input('点击重新操作？Y/N')
    if var == 'Y' or var == 'y':
        pass
    else:
        break