A comparação de listas em python por difflib modul
Pergunta
Eu estou tentando sair do difflib biblioteca.Eu tenho duas listas:L_1 e L_2 que contém seqüências de caracteres.Eu quero saber, se essas sequências são semelhantes (a ordem não é importante).
L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Háns"]
deve estar ok.Mas
L_1 = ["Nirdosch", "Mary", "Rolf"]
L_2 = ["Bob", "Marie", "Háns"]
não deve ser ok.
Eu vim com a idéia de iterar a primeira lista L_1 e corresponder a cada elemento de L_1 pelo método
difflib.get_close_matches()
contra a segunda lista L_2.Se houver uma correspondência com uma proporção maior, então vamos dizer 0.7 removê-lo a partir de L_2 e continuar.Mas eu duvido que ele é um bom plano.Existe um melhor?
Solução
Gostaria de fazer algo como:
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)
Licenciado em: CC-BY-SA com atribuição
Não afiliado a StackOverflow