Come ottengo la probabilità che una stringa sia simile a un'altra stringa in Python?Trova la percentuale di somiglianza tra due stringhe
voglio ottenere un valore decimale come:
0.9 #means 90%
ecc
Preferibilmente con standard di Python e biblioteca.
ad es.
similar("Apple","Appel") #would have a high prob.
similar("Apple","Mango") #would have a lower prob.
v'è una costruito nel
from difflib import SequenceMatcher
def similar(a, b):
return SequenceMatcher(None, a, b).ratio()
Usandolo:
>>> similar("Apple","Appel")
0.8
>>> similar("Apple","Mango")
0.0
Guarda questa ottima risposta confrontando il modulo 'SequenceMatcher' vs' python-Levenshtein'. http://stackoverflow.com/questions/6690739/fuzzy-string-comparison-in-python-confused-with-which-library-to-use – ssoler
Interessante articolo e strumento: http://chairnerd.seatgeek.com/fuzzywuzzy -fuzzy-string-matching-in-python/ –
Consiglio vivamente di controllare l'intero documento difflib https://docs.python.org/2/library/difflib.html c'è un 'get_close_matches' integrato, sebbene io trovato 'ordinato (... key = lambda x: difflib.SequenceMatcher (None, x, search) .ratio(), ...)' più affidabile, con 'ordinamento personalizzato (... .get_matching_blocks()) [- 1]> min_match' checks – ThorSummoner
È possibile creare una funzione come:.
def similar(w1, w2):
w1 = w1 + ' ' * (len(w2) - len(w1))
w2 = w2 + ' ' * (len(w1) - len(w2))
return sum(1 if i == j else 0 for i, j in zip(w1, w2))/float(len(w1))
ma simile ('appel', 'apple') è superiore a simile ('appel', 'ape') – tenstar
La funzione confronterà una data stringa con altre punture. Voglio un modo per restituire la stringa con il più alto rapporto di similarità – answerSeeker
@SaulloCastro, 'se self.similar (search_string, item.text())> 0.80:' funziona per ora. Grazie, – answerSeeker
Penso che forse si sta cercando per un algoritmo che descrive la distanza tra s Trings. Ecco alcuni si può riferirsi a:
Fuzzy Wuzzy è un package che implementa Levenshtein distanza in pitone, con alcune funzioni di supporto per aiutare in determinate situazioni in cui è possibile che due stringhe distinte siano considerate identiche. Per esempio:
>>> fuzz.ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
91
>>> fuzz.token_sort_ratio("fuzzy wuzzy was a bear", "wuzzy fuzzy was a bear")
100
pacchetto distance include Levenshtein distanza:
import distance
distance.levenshtein("lenvestein", "levenshtein")
# 3
uso SequenceMatcher da difflib
pro: libreria Python nativo, non è necessario alcun pacchetto aggiuntivo.
cons: troppo limitato, ci sono tanti altri buoni algoritmi per la similarità delle stringhe là fuori.
>>> from difflib import SequenceMatcher
>>> s = SequenceMatcher(None, "abcd", "bcde")
>>> s.ratio()
0.75
sua una buona biblioteca con una buona copertura e alcuni problemi. supporta:
- Levenshtein Distanza
- Damerau-Levenshtein Distanza
- Jaro Distanza
- Jaro-Winkler Distanza
- Partita Voto metodo di confronto di
- distanza di Hamming
pro: facile da usare, gamma di algoritmi supportati, testati.
cons: non la libreria nativa.
esempio:
>>> import jellyfish
>>> jellyfish.levenshtein_distance(u'jellyfish', u'smellyfish')
2
>>> jellyfish.jaro_distance(u'jellyfish', u'smellyfish')
0.89629629629629637
>>> jellyfish.damerau_levenshtein_distance(u'jellyfish', u'jellyfihs')
1
non credo "probabilità" è proprio il termine giusto qui. In ogni caso, consulta http://stackoverflow.com/questions/682367/good-python-modules-for-fuzzy-string-comparison – NPE
La parola che stai cercando è rapporto, non probabilità. –
Dai un'occhiata a [distanza di Hamming] (http://en.wikipedia.org/wiki/Hamming_distance). – Diana