Python 比较文本相似性的方法(difflib,Levenshtein)
作者：晓东邪 发布时间：2022-01-29 00:19:17
标签：Python,difflib,Levenshtein
最近工作需要用到序列匹配，检测相似性，不过有点复杂的是输入长度是不固定的，举例为：
input_and_output = [1, 2, '你好', 世界', 12.34, 45.6, -21, '中国', '美丽']
其中，需要从input_and_output 中选取不固定长度的一段作为输入，且顺序不定，然后去与总体进行比较，找出最符合的，开始是对汉字进行数值化编码，不过后来由于出现汉字越来越多，遂放弃该方法，转向别的方式，查找资料发现了两个python包广被推荐，从下面来看各有优缺点，记录之~
1、difflib
import difflib #python 自带库，不需额外安装
In [49]: test1
Out[49]: ['你好', '我是谁']
In [50]: test2
Out[50]: ['你好啊', '我谁']
In [51]: test3
Out[51]: [12, 'nihao']
In [52]: test4
Out[52]: ['你好', 'woshi']
In [53]: difflib.SequenceMatcher(a=test1, b=test2).quick_ratio()
Out[53]: 0.0
In [54]: difflib.SequenceMatcher(a=test1, b=test4).ratio()
Out[54]: 0.5
2、Levenshtein
#pip install python-Levenshtein
import Levenshtein
In [56]: Levenshtein.distance(','.join(test1), ','.join(test2))
Out[56]: 2
In [57]: Levenshtein.distance(','.join(test1), ','.join(test4))
Out[57]: 5
简单来说，difflib使用时不一定为字符串，但匹配时只有单个元素完全匹配才计入，
而Levenshtein则需要输入为字符串，匹配时是整体匹配（也可能跟把所有元素集中成一个字符串有关，具体待继续使用再摸索）
来源：https://blog.csdn.net/xiaodongxiexie/article/details/78221271
0
投稿猜你喜欢
- function click(e) { if (document.all) { if (event.button==1||event.but
- #!/usr/bin/env python# name IsOpen.pyimport osimport socketdef IsOpen(
- 废话不多说啦，直接看代码吧！tf.concatt1 = [[1, 2, 3], [4, 5, 6]]t2 = [[7, 8, 9], [10
- 收集和分发数据是网络管理的职责之一，而且必须确保这些数据的准确性和安全性。不管它们是什么操作系统，数据库服务器需要特殊的管理以保证操作上的安
本文实例为大家分享了Python将图片彩色转化为素描的具体代码，供大家参考，具体内容如下第一种：from PIL import Image,- 本文实例讲述了Django框架登录加上验证码校验实现验证功能。分享给大家供大家参考，具体如下：验证码生成函数pip install Pill
- 本文实例讲述了Python2.7+pytesser实现简单验证码的识别方法。分享给大家供大家参考，具体如下：首先，安装Python2.7版本
- 迭代dict的key和value我们了解了如何迭代 dict 的key和value，那么，在一个 for 循环中，能否同时迭代 key和va
- 在 InnoDB中更加快速的全表扫描 一般来讲,大多数应用查询的时候都会用索引，查找很少的几行数据（主键查找或百行内的
- 自上一篇文章 Z Story : Using Django with GAE Python 后台抓取多个网站的页面全文 后，大体的进度如下：
- linux环境Mysql 5.7.13安装教程分享给大家，供大家参考，具体内容如下1系统约定安装文件下载目录：/data/softwareM
- 说明：使用mysqldump –all-databases会导出所有库。但如果做主从，从主库dump出数据时，我们是不需要也不想要infor
- 目录创建一个Django项目settings.py项目配置文件urls.py路由系统总结创建一个Django项目创建一个名为project的
- 最近在学习python过程中，对print()打印输出函数进行了进一步学习。python 2.6中，print输出内容需要使用引号。pyth
- Random库主要包含返回随机数的函数,主要用于普通的随机数生成的程序,如果对随机性有特殊要求,比如加密等,可以用函数os.urandom(
- 一、Scrapy是什么Scrapy 是一个基于 Twisted 的异步处理框架，是纯 Python 实现的爬虫框架，其架构清晰，模块之间的耦
- 最近需要用python打包一个单页面网页demo，于是准备用python包pyinstaller来打包程序。网上搜索了一下，大部分教程都是打
- 背景临时表空间用来管理数据库排序操作以及用于存储临时表、中间排序结果等临时对象，相信大家在开发中经常会遇到相关的需求，下面本文将给大家详细J
- 本文实例讲述了Python面向对象程序设计之继承、多态原理与用法。分享给大家供大家参考，具体如下：相关内容：继承：多继承、super、__i
- 定义一个banner.js文件，代码如下;window.requestAnimationFrame = window.requestAnim
