用于查找不同格式字符串之间相似性的 Python 函数答案

【问题标题】：Python function to find similarity between differently formatted strings用于查找不同格式字符串之间相似性的 Python 函数
【发布时间】：2018-05-19 11:49:32
【问题描述】：

我有 2 个带有项目名称的 excel 文件。我想比较这些项目，但唯一远程相似的列是名称列，它也具有不同的名称格式，例如

儿童钢琴作为儿童钢琴

Butter Gel 100mg as Butter-Gel-100MG

我知道它不可能 100% 准确，所以我会要求操作代码的人进行最终验证，但我如何显示最接近的匹配名称？

【问题讨论】：

标签： python string python-3.x formatting substring

【解决方案1】：

这样做的正确方法是编写正则表达式。

但下面的普通代码也可以解决问题：

column_a = ["KIDS-Piano", "Butter Gel 100mg"]
column_b = ["kids piano", "Butter-Gel-100MG"]

new_column_a = []
for i in column_a:
    # convert strings into lowercase
    a = i.lower()
    # replace dashes with spaces
    a = a.replace('-', ' ')
    new_column_a.append(a)

# do the same for column b
new_column_b = []
for i in column_b:
    # convert strings into lowercase
    a = i.lower()
    # replace dashes with spaces
    a = a.replace('-', ' ')
    new_column_b.append(a)

as_not_found_in_b = []
for i in new_column_a:
    if i not in new_column_b:
        as_not_found_in_b.append(i)

bs_not_found_in_a = []
for i in new_column_b:
    if i not in new_column_a:
        bs_not_found_in_a.append(i)

# find the problematic ones and manually fix them
print(as_not_found_in_b)
print(bs_not_found_in_a)

【讨论】：

感谢@Gnoliz 我做了类似的事情，但正如你所说，我使用 RE by re.findall(r"[\w]+", lst.lower()) 接受了这些词