提取段落中与列表中的单词相似的单词答案

【问题标题】：Extract words in a paragraph that are similar to words in list提取段落中与列表中的单词相似的单词
【发布时间】：2021-05-16 18:51:18
【问题描述】：

我有以下字符串：

"The boy went to twn and bought sausage and chicken. He then picked a tddy for his sister"

要提取的单词列表：

["town","teddy","chicken","boy went"]

注意：给定句子中的 town 和 teddy 拼写错误。

我尝试了以下方法，但我得到的其他词不属于答案：

import difflib

sent = "The boy went to twn and bought sausage and chicken. He then picked a tddy for his sister"

list1 = ["town","teddy","chicken","boy went"]

[difflib.get_close_matches(x.lower().strip(), sent.split()) for x in list1 ]

我得到以下结果：

[['twn', 'to'], ['tddy'], ['chicken.', 'picked'], ['went']]

代替：

'twn', 'tddy', 'chicken','boy went'

【问题讨论】：

标签： python python-3.x difflib

【解决方案1】：

difflib.get_closest_matches() 文档中的注意事项：

difflib.get_close_matches(word, possibilities, n=3, cutoff=0.6)

返回最佳“足够好”匹配的列表。 word 是需要紧密匹配的序列（通常是字符串），并且 possibilities 是匹配 word 的序列列表（通常是字符串列表）。

可选参数n（默认3）是要返回的最大匹配数； n 必须大于 0。

可选参数cutoff（默认0.6）是[0, 1]范围内的浮点数。得分至少与单词相似的可能性是忽略。

目前，您正在使用默认的 n 和 cutoff 参数。

您可以指定其中一个（或两个）来缩小返回的匹配范围。

例如，您可以使用 0.75 的 cutoff 分数：

result = [difflib.get_close_matches(x.lower().strip(), sent.split(), cutoff=0.75) for x in list1]

或者，您可以指定最多只返回 1 个匹配项：

result = [difflib.get_close_matches(x.lower().strip(), sent.split(), n=1) for x in list1]

在任何一种情况下，您都可以使用列表推导来展平列表列表（因为difflib.get_close_matches() 总是返回一个列表）：

matches = [r[0] for r in result]

由于您还想检查二元组的紧密匹配，您可以通过提取相邻“单词”的配对并将它们作为possibilities 参数的一部分传递给difflib.get_close_matches()。

这是一个完整的实际工作示例：

import difflib
import re

sent = "The boy went to twn and bought sausage and chicken. He then picked a tddy for his sister"

list1 = ["town", "teddy", "chicken", "boy went"]

# this extracts overlapping pairings of "words"
# i.e. ['The boy', 'boy went', 'went to', 'to twn', ...
pairs = re.findall(r'(?=(\b[^ ]+ [^ ]+\b))', sent)

# we pass the sent.split() list as before
# and concatenate the new pairs list to the end of it also
result = [difflib.get_close_matches(x.lower().strip(), sent.split() + pairs, n=1) for x in list1]

matches = [r[0] for r in result]

print(matches)
# ['twn', 'tddy', 'chicken.', 'boy went']

【讨论】：

【解决方案2】：

如果您阅读 Python 文档 fordifflib.get_close_matches() https://docs.python.org/3/library/difflib.html 它返回所有可能的最佳匹配。方法签名： difflib.get_close_matches（单词，可能性，n=3，cutoff=0.6）

这里 n 是要返回的最大匹配数。所以我认为你可以将其作为 1 传递。

>>> [difflib.get_close_matches(x.lower().strip(), sent.split(),1)[0] for x in list1]
['twn', 'tddy', 'chicken.', 'went']

【讨论】：