忽略大小写difflib.get_close_匹配项()

Question

我怎么知道difflib.get_close_匹配项（）忽略大小写？我有一本字典，它有一个明确的格式，包括大写。但是，测试字符串可能有完全资本化或没有资本化，这些应该是等价的。但是，结果需要适当地大写，所以我不能使用修改过的字典。在

import difflib

names = ['Acacia koa A.Gray var. latifolia (Benth.) H.St.John',
    'Acacia koa A.Gray var. waianaeensis H.St.John',
    'Acacia koaia Hillebr.',
    'Acacia kochii W.Fitzg. ex Ewart & Jean White',
    'Acacia kochii W.Fitzg.']
s = 'Acacia kochi W.Fitzg.'

# base case: proper capitalisation
print(difflib.get_close_matches(s,names,1,0.9))

# this should be equivalent from the perspective of my program
print(difflib.get_close_matches(s.upper(),names,1,0.9))

# this won't work because of the dictionary formatting
print(difflib.get_close_matches(s.upper().capitalize(),names,1,0.9))

输出：

^{pr2}$

工作代码：

根据Hugh Bothwell的回答，我对代码进行了如下修改，以获得一个有效的解决方案（当返回多个结果时，该方案也应该有效）：

import difflib

names = ['Acacia koa A.Gray var. latifolia (Benth.) H.St.John',
    'Acacia koa A.Gray var. waianaeensis H.St.John',
    'Acacia koaia Hillebr.',
    'Acacia kochii W.Fitzg. ex Ewart & Jean White',
    'Acacia kochii W.Fitzg.']
test = {n.lower():n for n in names}    
s1 = 'Acacia kochi W.Fitzg.'   # base case
s2 = 'ACACIA KOCHI W.FITZG.'   # test case

results = [test[r] for r in difflib.get_close_matches(s1.lower(),test,1,0.9)]
results += [test[r] for r in difflib.get_close_matches(s2.lower(),test,1,0.9)]
print results

输出：

['Acacia kochii W.Fitzg.', 'Acacia kochii W.Fitzg.']

Answer 1

我不认为有任何快速的方法可以使difflib进行不区分大小写的比较。在

快速而肮脏的解决方案似乎是

• 创建一个函数，将字符串转换为某种规范格式（例如：大写、单倍行距、无标点符号）

• 使用该函数生成{canonical string:original string}的dict和[canonical string]

• 运行.get_close_匹配规范字符串列表，然后通过dict插入结果以获得原始字符串

Answer 2

@gatopeich的想法是正确的，但问题是可能有许多字符串的大小写不同。我们当然希望他们都能出现在我们的结果中，而不仅仅是其中一个！在

以下自适应可实现此目的：

def get_close_matches_icase(word, possibilities, *args, **kwargs):
    """ Case-insensitive version of difflib.get_close_matches """
    lword = word.lower()
    lpos = {}
    for p in possibilities:
        if p.lower() not in lpos:
            lpos[p.lower()] = [p]
        else:
            lpos[p.lower()].append(p)
    lmatches = difflib.get_close_matches(lword, lpos.keys(), *args, **kwargs)
    ret = [lpos[m] for m in lmatches]
    ret = itertools.chain.from_iterable(ret)
    return set(ret)

Answer 3

在进行了大量的搜索之后，我很遗憾地惊讶地发现这个明显的用例没有简单的预先确定的答案。在

唯一的选择似乎是"FuzzyWuzzy" library。然而它依赖于Levenshtein距离，就像Python的difflib，而且它的API不是产品质量。{cd2>没有提供更简单的替换方法。在

下面是我能想到的最简单的实现方法：

import difflib

def get_close_matches_icase(word, possibilities, *args, **kwargs):
    """ Case-insensitive version of difflib.get_close_matches """
    lword = word.lower()
    lpos = {p.lower(): p for p in possibilities}
    lmatches = difflib.get_close_matches(lword, lpos.keys(), *args, **kwargs)
    return [lpos[m] for m in lmatches]