Python fuzzywuzzi库

在本教程中，我们将学习如何使用 Python 内置的fuzzywuzzi库匹配字符串，并使用各种示例确定它们是如何相似的。

介绍

Python 提供了几种比较两个字符串的方法。下面给出几个主要方法。

使用 Regex
简单比较
使用 dfflib

但是还有一种方法可以有效地用于比较，称为模糊不清。这种方法在区分两个字符串指的是同一个事物时相当有效，但它们的写法略有不同。有时我们需要一个能自动识别错误拼写的程序。

这是一个寻找与给定模式匹配的字符串的过程。它使用 Levenshtein 距离来计算序列之间的差异。

该库可以帮助映射缺少公共键的数据库，例如按公司名称连接两个表，这两个表中的公共键有所不同。

例子

让我们看看下面的例子。


Str1 = "Welcome to Javatpoint"
Str2 = "Welcome to Javatpoint"
Result = Str1 == Str2
print(Result)

输出:

True

上面的代码返回 true，因为字符串完全匹配(100 %)，如果我们在 str2 中进行更改会怎么样。


Str1 = "Welcome to Javatpoint"
Str2 = "welcome to Javatpoint"
Result = Str1 == Str2
print(Result)

输出:

False

上面的代码返回 false，字符串与人眼完全相同，但对于解释器来说不是这样。但是，我们可以通过将两个字符串都转换为小写来解决这个问题。


Str1 = "Welcome to Javatpoint"
Str2 = "welcome to Javatpoint"
Result = Str1.lower() == Str2.lower()
print(Result)

输出:

True

但是如果我们改变字符集，我们会遇到另一个问题。


Str1 = "Welcome to javatpoint."
Str2 = "Welcome to javatpoint"
Result = Str1.lower() == Str2.lower()
print(Result)

输出:

True

为了解决这类问题，我们需要更有效的工具来比较字符串。模糊不清是计算字符串的最佳工具。

勒温斯坦距离

leven stein 距离用于计算两个单词序列之间的距离。它计算给定字符串中我们需要更改的最小编辑次数。这些编辑可以是插入、删除或替换。

示例-


import numpy as np

def levenshtein_distance (s1, t1, ratio_calculation = False):

    # Initialize matrix of zeros
    rows = len(s1)+1
    cols = len(t1)+1
    calc_distance = np.zeros((rows,cols),dtype = int)

    # Populate matrix of zeros with the indeces of each character of both strings
    for i in range(1, rows):
        for k in range(1,cols):
            calc_distance[i][0] = i
            calc_distance[0][k] = k

    for col in range(1, cols):
        for row in range(1, rows):
            if s1[row-1] == t1[col-1]:
                cost = 0
                if ratio_calculation == True:
                    cost = 2
                else:
                    cost = 1
            calc_distance[row][col] = min(calc_distance[row-1][col] + 1,      # Cost of deletions
                                 calc_distance[row][col-1] + 1,          # Cost of insertions
                                 calc_distance[row-1][col-1] + cost)     # Cost of substitutions
    if ratio_calculation == True:
        # Computation of the Levenshtein calc_distance Ratio
        Ratio = ((len(s)+len(t)) - calc_distance[row][col]) / (len(s)+len(t))
        return Ratio
    else:
        return "The strings are {} edits away".format(calc_distance[row][col])

我们将在前面的例子中使用上面的函数，我们试图比较“欢迎来到 javatpoint”欢迎来到“javatpoint”。我们可以看到两根弦很可能是一样的，因为 Levensthtein 的长度很小。


Str1 = "Welcome to Javatpoint"
Str2 = "welcome to Javatpoint"
Distance = levenshtein_distance(Str1,Str2)
print(Distance)
Ratio = levenshtein_distance(Str1,Str2,ratio_calc = True)
print(Ratio)

模糊不清的包裹

这个图书馆的名字有些奇怪和滑稽，但它是有利的。它有一种独特的方法来比较两个字符串，并返回 100 个匹配字符串中的分数。为了使用这个库，我们需要在 Python 环境中安装它。

装置

我们可以使用 pip 命令安装这个库。


pip install fuzzywuzzy

Collecting fuzzywuzzy
  Downloading fuzzywuzzy-0.18.0-py2.py3-none-any.whl (18 kB)
Installing collected packages: fuzzywuzzy
Successfully installed fuzzywuzzy-0.18.0

现在键入以下命令并按回车键。


pip install python-Levenshtein

让我们了解一下模糊库的以下方法

模糊模块

fuzz 模块用于一次比较两个给定的字符串。在使用不同的方法进行比较后，它会返回 100 分。

模糊比率()

它是模糊模块的重要方法之一。它根据给定字符串的匹配程度来比较字符串和分数。让我们理解下面的例子。

示例-


from fuzzywuzzy import fuzz
Str1 = "Welcome to Javatpoint"
Str2 = "welcome to javatpoint"
Ratio = fuzz.ratio(Str1.lower(),Str2.lower())
print(Ratio)

输出:

从上面的代码中我们可以看到， fuzz.ratio() 方法返回了分数，这意味着字符串之间有非常微小的差异。

Fuzz.partial_ratio()

模糊不清的库提供了另一个强大的方法——偏比()。用于处理子串匹配等复杂的字符串比较。让我们看看下面的例子。

示例-


#importing the module from the fuzzywuzzy library
from fuzzywuzzy import fuzz

str1 = "Welcome to Javatpoint"
str2 = "tpoint"
Ratio = fuzz.ratio(str1.lower(),str2.lower())
Ratio_partial = fuzz.partial_ratio(str1.lower(),str2.lower())
print(Ratio)
print(Ratio_partial)

输出:

44
100

说明:

partial_ratio()方法可以检测子字符串。因此，它产生了 100%的相似性。它遵循最佳部分逻辑，其中短长度字符串 k 和长字符串 m，算法找到最佳匹配长度 k-子串。

Fuzz.token_sort_ratio

这种方法不能保证得到准确的结果，因为如果我们按照字符串的顺序进行更改。它可能不会给出准确的结果。

但是模糊的模块提供了解决方案。让我们理解下面的例子。

示例-


str1 = "united states v. nixon"
str2 = "Nixon v. United States"
Ratio = fuzz.ratio(str1.lower(),str2.lower())
Ratio_Partial = fuzz.partial_ratio(str1.lower(),str2.lower())
Ratio_Token = fuzz.token_sort_ratio(str1,str2)
print(Ratio)
print(Ratio_Partial)
print(Ratio_Token)

输出:

59
74
100

说明:

在上面的代码中，我们使用了 token_sort_ratio() 方法，该方法比 partial_ratio 具有优势。在此方法中，字符串标记按字母顺序排序并连接在一起。但是还有另一种情况，比如如果弦的长度相差很大怎么办。

让我们理解下面的例子。

示例-


str1 = "The supreme court case of Democratic vs Congress"
str2 = "Congress v. Democratic"
Ratio = fuzz.ratio(str1.lower(),str2.lower())
Partial_Ratio = fuzz.partial_ratio(str1.lower(),str2.lower())
Token_Sort_Ratio = fuzz.token_sort_ratio(str1,str2)
Token_Set_Ratio = fuzz.token_set_ratio(str1,str2)
print(Ratio)
print(Partial_Ratio)
print(Token_Sort_Ratio)
print(Token_Set_Ratio)

输出:

在上面的代码中，我们使用了另一个名为 fuzz.token_set_ratio() 的方法，该方法执行 set 操作，取出公共令牌，然后进行 ratio()成对比较。

排序后的标记的交集总是相同的，因为子字符串或较小的字符串由原始字符串的较大块组成，或者剩余的标记彼此更接近。

模糊不清的包提供了流程模块，允许我们计算相似度最高的字符串。让我们理解下面的例子。

示例-


from fuzzywuzzy import process
strToMatch = "Hello Good Morning"
givenOpt = ["hello","Hello Good","Morning","Good Evenining"]
ratios = process.extract(strToMatch,givenOpt)
print(ratios)
# We can choose the string that has highest matching percentage
high = process.extractOne(strToMatch,givenOpt)
print(high)

输出:

[('hello', 90), ('Hello Good', 90), ('Morning', 90), ('Good Evenining', 59)]
('hello', 90)

上面的代码将返回给定字符串列表的最高匹配百分比。

弗兹！雷托

过程模块还提供了 WRatio，，它给出了比简单比率更好的结果。它还处理小写和大写以及一些其他参数。让我们理解下面的例子。

示例-


from fuzzywuzzy import process
fuzz.WRatio('good morning', 'Good Morning')
fuzz.WRatio('good morning!!!','good Morning')

输出:

结论

在本教程中，我们讨论了如何匹配字符串并确定它们的紧密程度。我们已经举例说明了这个简单的例子，但它们足以说明计算机如何处理不匹配的字符串。许多现实生活中的应用，如拼写检查、生物信息学匹配、脱氧核糖核酸序列等。基于模糊逻辑。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/305190.html