Python“正则表达式”模块：模糊值答案

【问题标题】：Python "regex" module: Fuzziness valuePython“正则表达式”模块：模糊值
【发布时间】：2013-06-06 02:35:04
【问题描述】：

我正在使用Regex 模块的“模糊匹配”功能。

我怎样才能得到一个“匹配”的“模糊值”，它表明模式与字符串有多么不同，就像 Levenshtein 中的“编辑距离”一样？

我以为我可以在 Match 对象中获取值，但它不存在。官方文档也没说什么。

例如：

regex.match('(?:foo){e}','for')

a.captures() 告诉我“for”这个词是匹配的，但我想知道模糊度值，在这种情况下应该是 1。

有什么方法可以实现吗？

【问题讨论】：

这当然不理想，但如果所有其他方法都失败了，您可以尝试使用 (?:foo){e<=i} 重复尝试，在其中循环某个整数 i。第一次匹配时，i 是 Levenshtein 距离。
或者，如果您正在处理有限数量的错误，您可以使用 (foo)|((?:foo){e=1})|((?:foo){e=2}) 之类的东西并检查哪个组匹配，如果第一个 e = 0，第二个 e = 1，等等。

标签： python regex fuzzy-comparison pypi-regex

【解决方案1】：

>>> import difflib
>>> matcher = difflib.SequenceMatcher(None, 'foo', 'for')
>>> sum(size for start, end, size in matcher.get_matching_blocks())
2
>>> max(map(len, ('foo', 'for'))) - _
1
>>>
>>>
>>> matcher = difflib.SequenceMatcher(None, 'foo', 'food')
>>> sum(size for start, end, size in matcher.get_matching_blocks())
3
>>> max(map(len, ('foo', 'food'))) - _
1

http://docs.python.org/2/library/difflib.html#difflib.SequenceMatcher.get_matching_blocks http://docs.python.org/2/library/difflib.html#difflib.SequenceMatcher.get_opcodes

【讨论】：

Errrr... 这个解决方法很棒，而且 difflib 也是好东西。但是我必须在 re/regex 中使用“groupdict”的东西，所以，我认为 difflib 不适合那个。还是谢谢你。
我像你说的那样用 difflib 替换了正则表达式模块，它就像一个魅力！那么，我想知道这个“SequenceMatcher”是否可以与 Levenshtein 算法相媲美？
source code 中没有提到 Levenshtein。（我没有通读。）

【解决方案2】：

a = regex.match('(?:foo){e}','for')
a.fuzzy_counts

这会返回一个元组 (x,y,z)，其中：

x = 替换次数

y = 插入次数和

z = 删除次数

但这并不总是一个可靠的计数，即：在某些情况下，正则表达式匹配模糊之夜并不等于真正的莱文斯坦距离

Python regex module fuzzy match: substitution count not as expected

【讨论】：