1

   

简介

theFuzz 是一个用于模糊字符串匹配和相似度计算的强大工具。它可以帮助我们在处理文本数据时进行模糊匹配和字符串比较，例如拼写纠正、字符串相似度计算和模糊搜索等。

2

   

基本原理

theFuzz 库的基本原理是使用不同的算法来计算字符串之间的相似度。其中最常用的算法是 Levenshtein 距离算法，它衡量了两个字符串之间的编辑操作（插入、删除、替换）的最小数量。通过计算两个字符串之间的 Levenshtein 距离，我们可以得到它们的相似度。

在 TheFuzz 库中，我们可以使用 fuzz.ratio() 函数来计算两个字符串的相似度，它返回一个 0-100 之间的整数，表示两个字符串的相似度百分比。我们还可以使用 fuzz.partial_ratio() 函数来计算两个字符串的部分相似度，它会忽略两个字符串中没有匹配的部分，只计算出现在两个字符串中的相似部分。此外，还有 fuzz.token_sort_ratio() 和 fuzz.token_set_ratio() 函数可以用于计算两个字符串的单词排序相似度和单词集合相似度。

3

   

安装

要安装 theFuzz 库，可以使用 pip 命令。打开终端（命令提示符）并运行以下命令

pip install fuzzywuzzy python-Levenshtein

4

   

基本使用

安装好后，我们来看几个代码示例

from fuzzywuzzy import fuzz


str1 = "hello world"
str2 = "hello python"


similarity = fuzz.ratio(str1, str2)
print(similarity)

运行结果是 61，表示 str1 和 str2 相似度为 61%

from fuzzywuzzy import fuzz


str1 = "hello world"
str2 = "world hello"


partial_similarity = fuzz.partial_ratio(str1, str2)
print(partial_similarity)

运行上述代码，输出结果为 45，表示两个字符串的部分相似度为 45%。

from fuzzywuzzy import fuzz


str1 = "hello world"
str2 = "world hello"


token_sort_similarity = fuzz.token_sort_ratio(str1, str2)
token_set_similarity = fuzz.token_set_ratio(str1, str2)


print(token_sort_similarity)
print(token_set_similarity)

执行上述代码，输出结果分别为 100 和 100，表示两个字符串的单词排序相似度和单词集合相似度都为 100%。

5

   

参考资料

• https://github.com/seatgeek/thefuzz

• https://github.com/seatgeek/fuzzywuzzy