Usa le espressioni regolari (o un altro modulo python) per confrontare testo/caratteri?

Question

Diciamo che il mio programma riceve un input come una stringa di caratteri che ha qualsiasi tipo di carattere. Ad esempio, "Bob's Bagel Shop". Quindi ottiene un'altra stringa che dice "Fred's Bagel Store". Come posso usare espressioni regolari o qualche altro modulo in python per confrontare questi e avere il mio programma mi dica se almeno 5 (o qualsiasi numero che voglio) dei caratteri sono gli stessi ovunque nella stringa, ma tutti nel stesso ordine, come la parola "Bagel"?

Grazie.

Answer 1

C'è un Python standard di classe libreria difflib.SequenceMatcher che contribuirà a risolvere il problema. Ecco un esempio di codice:

from difflib import SequenceMatcher 

s1 = "Bob's Bagel Shop" 
s2 = "Bill's Bagel Shop" 

matcher = SequenceMatcher(a=s1, b=s2) 
match = matcher.find_longest_match(0, len(s1), 0, len(s2)) 

risultati:

Match(a=3, b=4, size=13) # value that 'match' variable holds 

Il risultato mostra che entrambi stringa ha pari sottostringa con 13 lunghezza caratteri (iniziando da char 3-rd in prima stringa e 4 ° char seconda stringa).

È possibile utilizzare questo oggetto risultato partita per ottenere i suoi campi come valori:

match.size # 13 
match.a  # 3 
match.b  # 4 

Answer 2

Vedi

String similarity metrics in Python

o checkout del modulo simhash:

http://bibliographie-trac.ub.rub.de/browser/simhash.py

Answer 3

è possibile utilizzare itetools.combinations e quindi utilizzare intersection di set per scoprire caratteri corrispondenti da entrambe le stringhe:

from itertools import combinations 
str1="Bob's Bagel Shop" 
str2="Fred's Bagel Store" 

def combi(strs): 
    chars=''.join(strs.split()) 
    lis=[] 
    for x in range(1,len(chars)): 
     for y in combinations(chars,x): 
      if ''.join(y) in chars: 
       lis.append(''.join(y)) 
    return lis   


lis1=combi(str1) 
lis2=combi(str2) 
print max(set(lis1).intersection(set(lis2)),key=len) 

output:

'sBagelS