Difflib ModulによってPythonのリストを比較します

Question

Difflibライブラリーを試しています。L_1とL_2の文字列を含む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場合は知りたい（命令は重要ではありません）。

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

.

はOKでなければなりません。しかし

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

.

は大丈夫ではありません。

最初のリストL_1を繰り返し、L_1のすべての要素をメソッドに合わせるという考えを思い付きました。

difflib.get_close_matches()

.

2番目のリストL_2に対して。比率が大きい一致があった場合は、0.7 L_2から削除して続行しましょう。しかし、私はそれが良い計画だと疑います。より良いものがありますか？

Answer 1

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)