पाठ/वर्णों की तुलना करने के लिए नियमित अभिव्यक्तियों (या एक अन्य पायथन मॉड्यूल) का उपयोग करें?

Question

मान लें कि मेरे प्रोग्राम में ऐसे इनपुट प्राप्त होते हैं जैसे वर्णों की एक स्ट्रिंग जिसमें किसी प्रकार का चरित्र होता है। उदाहरण के लिए, 'बॉब बैगल शॉप'। फिर यह एक और स्ट्रिंग हो जाता है जो 'फ्रेड बैगल स्टोर' कहता है। इन तुलना करने के लिए मैं नियमित अभिव्यक्तियों या पाइथन में कुछ अन्य मॉड्यूल का उपयोग कैसे कर सकता हूं और मेरा प्रोग्राम मुझे बता सकता है कि वर्णों की कम से कम 5 (या कोई भी संख्या जो मैं चाहता हूं) स्ट्रिंग स्ट्रिंग में कहीं भी हैं, लेकिन सभी एक ही आदेश, जैसे 'Bagel' शब्द?

धन्यवाद।

Answer 1

एक अजगर मानक पुस्तकालय वर्ग difflib.SequenceMatcher अपनी समस्या को हल करने में मदद मिलेगी कि नहीं है। यहाँ एक कोड नमूना है:

from difflib import SequenceMatcher 

s1 = "Bob's Bagel Shop" 
s2 = "Bill's Bagel Shop" 

matcher = SequenceMatcher(a=s1, b=s2) 
match = matcher.find_longest_match(0, len(s1), 0, len(s2)) 

परिणाम:

Match(a=3, b=4, size=13) # value that 'match' variable holds 

परिणाम से पता चलता दोनों स्ट्रिंग 13 वर्ण लंबाई (पहली स्ट्रिंग और 4-वें चार में 3-वां चार से शुरू के साथ बराबर-स्ट्रिंग है दूसरी स्ट्रिंग)।

आप मूल्यों के रूप में अपनी क्षेत्रों पाने के लिए इस मैच परिणाम वस्तु का उपयोग कर सकते हैं:

match.size # 13 
match.a  # 3 
match.b  # 4 

Answer 2

String similarity metrics in Python

देखें या simhash मॉड्यूल चेकआउट:

http://bibliographie-trac.ub.rub.de/browser/simhash.py

Answer 3

आप itetools.combinations उपयोग करना और फिर सेट की intersection उपयोग कर सकते हैं दोनों तार से मिलान करने वाले वर्णों पता लगाने के लिए:

from itertools import combinations 
str1="Bob's Bagel Shop" 
str2="Fred's Bagel Store" 

def combi(strs): 
    chars=''.join(strs.split()) 
    lis=[] 
    for x in range(1,len(chars)): 
     for y in combinations(chars,x): 
      if ''.join(y) in chars: 
       lis.append(''.join(y)) 
    return lis   


lis1=combi(str1) 
lis2=combi(str2) 
print max(set(lis1).intersection(set(lis2)),key=len) 

आउटपुट:

'sBagelS