3

difflib ライブラリを試しています。文字列を含む L_1 と L_2 の 2 つのリストがあります。それらのシーケンスが類似しているかどうかを知りたいです (順序は重要ではありません)。

L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Háns"]

大丈夫なはず。しかし

L_1 = ["Nirdosch", "Mary", "Rolf"]
L_2 = ["Bob", "Marie", "Háns"]

大丈夫ではないはずです。

最初のリスト L_1 を反復処理し、メソッドによって L_1 のすべての要素を一致させるというアイデアを思いつきました

difflib.get_close_matches()

2 番目のリスト L_2 に対して。より大きな比率の一致があった場合、0.7 としましょう。L_2 からそれを削除して続行します。しかし、私はそれが良い計画であることを疑います。より良いものはありますか？

4

1 に答える 1

3

私は次のようなことをします：

import difflib

L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Hans"]

def similiarity(L_1, L_2):
    L_1 = set(intern(w) for w in L_1)
    L_2 = set(intern(w) for w in L_2)

    to_match = L_1.difference( L_2)
    against = L_2.difference(L_1)
    for w in to_match:
        res = difflib.get_close_matches(w, against)
        if len(res):
            against.remove( res[0] )
    return (len(L_2)-len(against)) / (len(L_1))

print similiarity(L_1,L_2)
于 2011-03-30T17:02:51.717 に答える