FuzzyWuzzy 提取物中的奇怪行为

Question

我正在尝试使用 FuzzyWuzzy 来纠正文本中拼写错误的名称。但是，我无法让 process.extract 和 process.extractOne 以我期望的方式行事。

from fuzzywuzzy import process

the_text = 'VICTOR HUGO e MARIANA VEIGA'
search_term = 'VEYGA'

the_text = the_text.split()
found_word = process.extract(search_term, the_text)

print(found_word)

这会导致：

[('e', 90), ('VEIGA', 80), ('HUGO', 22), ('VICTOR', 18), ('MARIANA', 17)]

如何让 FuzzyWuzzy 正确地将“VEIGA”识别为正确响应？

Answer 1

你可以尝试使用：fuzz.token_set_ratio 或 fuzz.token_sort_ratio 这里的答案：When to use which fuzz function to compare 2 strings 给出了很好的解释。

这里有一些代码：

from fuzzywuzzy import process
from fuzzywuzzy import fuzz

the_text = 'VICTOR HUGO e MARIANA VEIGA'
search_term = 'VEYGA'

the_text = the_text.split()
found_word = process.extract(search_term, the_text, scorer=fuzz.token_sort_ratio)

print(found_word)

输出：

[('VEIGA', 80), ('e', 33), ('HUGO', 22), ('VICTOR', 18), ('MARIANA', 17)]