【问题标题】：python recognize text in emailpython识别电子邮件中的文本
【发布时间】：2018-11-02 13:23:29
【问题描述】：
想象一下你收到这样的电子邮件：
name1: value
name2: value
name3: value
...
这些值应该插入到数据库中，其列名与电子邮件中的名称相同。
但是，电子邮件可能存在一些错误，例如拼写错误或使用缩写而不是全名。
另外，作者可能会随机选择更改名称，例如将自行车改成自行车。
这些电子邮件应该被自动处理，即使它有错误。处理脚本应该能够“修复”错误。
我认为文本分类（卷积）神经网络可能会完成这项工作，但它似乎有点矫枉过正。有没有更好或更简单的解决方案？
【问题讨论】：
标签：
python
classification
conv-neural-network
email-processing
【解决方案1】：
这里有一些想法，因为您事先知道键（列名）。假设有color 和density。
- 您可以使用诸如编辑距离（例如 Levenshtein 距离）之类的东西来将任何无法识别的距离与最近的实际距离相匹配（如果它足够近的话）。比如说，
cloor 可以匹配到color，因为编辑距离为 1。（但是，如果有几个匹配的编辑距离足够低，您可能希望安全地进行操作，而不是映射数据。
- 同样，对于缩写，您可以选择通过唯一前缀映射它们，即如果有人使用
dens，并且只有一列 (density) 以 dens 开头，您可以放心地想象它是 @987654328 @。
对于所有未映射的列，我会在数据库中添加一个“存储”列，您可以将无法识别的数据放入（例如 JSON 格式）中，并让脚本提醒操作员（您！）有关无法识别的键，因此您可以改进逻辑，并使用该逻辑将数据从存储列映射到实际列。