题
我正在尝试差异库。我有两个列表:l_1和l_2包含字符串。我想知道,如果这些序列相似(命令并不重要)。
L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Háns"]
.
应该没问题。但是
L_1 = ["Nirdosch", "Mary", "Rolf"]
L_2 = ["Bob", "Marie", "Háns"]
.
不应该没问题。
我想出了迭代第一个列表l_1并匹配方法的每个元素
difflib.get_close_matches()
.
对第二个列表l_2。如果匹配比比率更大,那么让我们说0.7从L_2删除它并继续。但我怀疑这是一个良好的计划。有更好的一个吗?
解决方案
I would do something like:
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)
不隶属于 StackOverflow