A comparação de listas em python por difflib modul

Question

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?

Answer 1

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)