如何使用 fuzzywuzzy 从单个长字符串（不带空格）中获取子字符串

Question

我正在尝试使用 process.extract from thefuzz (fuzzywuzzy) 使用目标词对单个长“单词”执行模糊搜索。但是，我得到的是单个字母/数字，而不是部分匹配（通过 fuzz.partial_ratio 检测到）。我如何获得与partial_ratio检测到的序列相匹配的序列？

片段：

from thefuzz import fuzz, process

target = "1234"
source = "012345"
print(fuzz.partial_ratio(target, source))
print(process.extract(target, source, limit=2))

第一个打印产生的partial_ratio为100，清楚地表明目标位于源内部。然而，提取返回；

[('1', 90), ('2', 90)]

与（我所期待的）相反；

[('1234', 100)]

我做错了什么和/或误解了什么？

Answer 1

要解决您的问题，请将最后一个打印行修改为以下内容：

print(process.extract(target, [source], scorer=fuzz.partial_ratio))
# [('012345', 100)]

您的代码不起作用的原因有两个。

1. source

   应该是 一个列表或类似字典的对象。这就是为什么你会得到“1”、“2”等，因为该函数正在迭代字符串并获取字符。
默认情况下，

2. process.extract

   使用与 partial_ratio

   不同的记分器

   （使用

   fuzz.WRatio

   ）

要解决 1)，请将源设为列表

print(process.extract(target, [source], limit=2))
# [('012345', 90)]

注意 limit 在这里没有任何作用，因为如果有多个源字符串要搜索，它会为您提供更多结果，例如

target = '1234'
sources = ['012345', '324423', '0123567']
print(process.extract(target, sources, scorer=fuzz.partial_ratio, limit=2))
# [('012345', 100), ('0123567', 75)]

解决2）并得到你想要的结果

print(process.extract(target, [source], scorer=fuzz.partial_ratio))
# [('012345', 100)]

注意您在这里不会得到“1234”，因为结果告诉您与哪个源字符串进行比较并以此精度找到目标。它不仅仅是像您想象的那样给您目标。