python fuzzywuzzy模块模糊字符串匹配详细用法
github主页
导入：
>>>fromfuzzywuzzyimportfuzz >>>fromfuzzywuzzyimportprocess
1）
>>>fuzz.ratio("thisisatest","thisisatest!")
out97
>>>fuzz.partial_ratio("thisisatest","thisisatest!")
out100
fuzz.ratio()对位置敏感，全匹配。fuzz.partial_ratio()对位置敏感，搜索匹配。
2）
>>>fuzz._process_and_sort(s,force_ascii,full_process=True)
对字符串s排序。force_ascii:True或者False。为True表示转换为ascii码。如果full_process为True，则会将字符串s转换为小写，去掉除字母和数字之外的字符（发现不能去掉-字符），剩下的字符串以空格分开，然后排序。如果为False，则直接对字符串s排序。
>>>fuzz._token_sort(s1,s2,partial=True,force_ascii=True,full_process=True)
给出字符串s1,s2的相似度。首先经过fuzz._process_and_sort（）函数处理。partial为True时，再经过fuzz.partial_ratio（）函数。partial为False时，再经过fuzz.ratio（）函数。
>>>fuzz.token_sort_ratio("fuzzywuzzywasabear","wuzzyfuzzywasabear")
out100
partial为False的_token_sort()
fuzz.partial_token_sort_ratio(s1,s2,force_ascii=True,full_process=True)
就是partial为True时的Fuzz._token_sort（）
3）
>>>fuzz.token_set_ratio("fuzzywasabear","fuzzyfuzzywasabear")
out100
fuzz._token_set(s1,s2,partial=True,force_ascii=True,full_process=True)
当partial为False时，就是fuzz.token_set_ratio（）函数。
fuzz.partial_token_set_ratio(s1,s2,force_ascii=True,full_process=True)
partial为True的fuzz._token_set（）函数。
4）
fuzz.QRatio(s1,s2,force_ascii=True,full_process=True)
full_process为True时，经过utils.full_process(）函数。然后经过fuzz.ratio()函数。对顺序敏感。
fuzz.UQRatio(s1,s2,full_process=True)
就是force_ascii为False的fuzz.QRatio（）函数。
fuzz.WRatio(s1,s2,force_ascii=True,full_process=True)
使用另一种不同算法计算相似度。对顺序敏感。
UWRatio(s1,s2,full_process=True)
是force_ascii为False的fuzz.WRatio(）函数。
总结：如果计算相似度的字符串只有字母和数字，直接可以用ratio（）和partial_ratio()。但如果还有其他字符，而且我们想要去掉这些没用字符，就用下边的。下边的函数都对顺序不敏感，但token_sort_ratio（）系列是全字符匹配，不管顺序。而token_set_ratio（）只要第二个字符串包含第一个字符串就100,不管顺序。
5）
>>>choices=["AtlantaFalcons","NewYorkJets","NewYorkGiants","DallasCowboys"]
>>>process.extract("newyorkjets",choices,limit=2)
[('NewYorkJets',100),('NewYorkGiants',78)]
>>>process.extractOne("cowboys",choices)
("DallasCowboys",90)
>>>process.extract(query,choices,processor=default_processor,scorer=default_scorer,limit=5)
query是字符串，choices是数组，元素是字符串。processor是对输入比较的字符串的处理函数，默认是fuzzywuzzy.utils.full_process()，即将字符串变为小写，去掉除字母和数字之外的字符（发现不能去掉-字符），剩下的字符串以空格分开。scorer计算两个字符串相似度的函数，默认fuzz.WRatio()。limit是输出个数。
输出为数组，元素为元组，元祖第一个匹配到的字符串，第二个为int型，为score。对输出按照score排序。
>>>process.extractWithoutOrder(query,choices,processor=default_processor,scorer=default_scorer,score_cutoff=0)
score_cutoff为一个阈值，当score小于该阈值时，不会输出。返回一个生成器，输出每个大于score_cutoff的匹配，按顺序输出，不排序。
>>>process.extractBests(query,choices,processor=default_processor,scorer=default_scorer,score_cutoff=0,limit=5)
process.extractBests（）和process.extract（）都调用了process.extractWithoutOrder（），只不过process.extractBests（）能传输score_cutoff。
>>>process.extractOne(query,choices,processor=default_processor,scorer=default_scorer,score_cutoff=0)
也调用了process.extractWithoutOrder（），只不过输出一个score最高的值。
process.dedupe(contains_dupes,threshold=70,scorer=fuzz.token_set_ratio)
contains_dupes是数组，元素为字符串。
取出相似度小于threshold的字符串，相似度大于threshold的字符串取最长一个。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。