Python：字符串到受控词汇

Question

我正在寻找一个 Python 库，它可以帮助我将用户输入与我自己定义的受控词汇表对齐（即我不想进行拼写检查）

例子：

controlled_voc = ['cat', 'dog', 'horse']
user_input = ['cats', 'dogo', 'orse'] #plural, similar form, spelling mistake
user_to_controlled = {'cats':'cat', 'dogo':'dog', 'orse':'horse'}

有人知道什么可以帮助我吗？我已经研究过经典的 NLP 库（NLTK、Spacy），但没有找到太多。

提前致谢

Answer 1

听起来像是一个“错字”问题，实际上与 NLP 无关。 看看pyspellchecker。

pip install pyspellchecker

“它使用 Levenshtein 距离算法在与原始单词 2 的编辑距离内查找排列。然后将所有排列（插入、删除、替换和转置）与单词频率列表中的已知单词进行比较。这些单词在频率列表中出现频率更高的结果更有可能是正确的结果。”

目前支持的词典有：

1. 英语
2. 西班牙语
3. 法语
4. 葡萄牙语
5. 德语
6. 俄语

---

来源：https://pypi.org/project/pyspellchecker/