检查当前单词是否接近字符串中的单词的有效方法是什么？

Question

考虑下面的例子：

1. 例1：

   str1 = "wow...it  looks amazing"
   str2 = "looks amazi"
   

   你看amazi接近amazing，str2输入错误，我想写一个程序，告诉我amazi接近amazing，然后在str2中，我将amazi替换为amazing

2. 例2：

   str1 = "is looking good"
   str2 = "looks goo"
   

   在这种情况下，更新的str2将是"looking good"

3. 例3：

   str1 = "you are really looking good"
   str2 = "lok goo"
   

   在这种情况下str2将是"good"，因为lok不接近looking（或者即使程序在这种情况下可以将lok转换为looking，那么我的问题的解决方案也没有问题）

4. 例4：

   str1 = "Stu is actually SEVERLY sunburnt....it hurts!!!"
   str2 = "hurts!!"
   

   更新的str2将"hurts!!!"

5. 例5：

   str1 = "you guys were absolutely amazing tonight, a..."
   str2 = "ly amazin"
   

   更新的str2将被"amazing"，"ly"将被删除或替换为绝对

这个的算法和代码是什么

也许我们可以通过按字典顺序查看字符并设置 阈值类似于0.8或80%，所以如果word2从str1中获得80%的word1序列字符，那么我们将str2中的word2替换为str1的单词？ 有没有其他有效的python代码解决方案

Answer 1

有很多方法可以做到这一点。这个解决了你所有的例子。我添加了一个最小相似性过滤器，只返回高质量的匹配。这就是允许在最后一个示例中删除“ly”的原因，因为它并不完全关闭任何单词

Documentation

您可以使用pip install python-Levenshtein安装levenshtein

import Levenshtein

def find_match(str1,str2):
    min_similarity = .75
    output = []
    results = [[Levenshtein.jaro_winkler(x,y) for x in str1.split()] for y in str2.split()]
    for x in results:
        if max(x) >= min_similarity:
            output.append(str1.split()[x.index(max(x))])
    return output

你提议的每个样品

find_match("is looking good", "looks goo")

['looking','good']

find_match("you are really looking good", "lok goo")

['looking','good']

find_match("Stu is actually SEVERLY sunburnt....it hurts!!!", "hurts!!")

['hurts!!!']

find_match("you guys were absolutely amazing tonight, a...", "ly amazin")

['amazing']