我正在尝试difflib库.我有两个列表:L_1和L_2包含字符串.我想知道这些序列是否相似(顺序不重要).
L_1 = ["Bob", "Mary", "Hans"]
L_2 = ["Bob", "Marie", "Háns"]
应该可以.但
L_1 = ["Nirdosch", "Mary", "Rolf"]
L_2 = ["Bob", "Marie", "Háns"]
应该没关系.
我想到了遍历第一个列表L_1并通过该方法匹配L_1的每个元素的想法
difflib.get_close_matches()
针对第二个列表L_2.如果存在比值较大的匹配项,那么假设0.7将其从L_2中删除并继续.但是我怀疑这是一个好计划.有更好的吗?
解决方法:
我会做类似的事情:
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)