如何在python中散列字符串以匹配1个字符？答案

【问题标题】：How to hash strings in python to match within 1 character?如何在python中散列字符串以匹配1个字符？
【发布时间】：2013-02-13 15:29:38
【问题描述】：

我读过 LSH 散列，想知道匹配 1 个字符内的字符串的最佳实现是什么？

test = {'dog':1, 'cat': 2, 'eagle': 3} 

test['dog']
>> 1

如果我查找 test['dogs'] 或 test['dogg']，我也想返回 1。我意识到如果我要查找“log”或“cog”它也会返回 1，但我可以编写一个方法来排除这些结果。

此外，我如何进一步使用此方法让一般字符串返回 X 个字符内的匹配项？

string1 = "brown dogs"
string2 = "brown doggie"

假设我的字典中只存储了 string1，那么查找 string2 将返回 string1。

谢谢

【问题讨论】：

简而言之，你不能。哈希表是错误的工具。
那行不通，因为你描述的不是equivalence relation。
那么您是否要获取与给定键最相似的键的值？对吗？
@SLaks 我不知道这与等价关系有什么关系。
@freakish：哈希表的键比较（哈希函数）必须是等价关系。

标签： python string search hash

【解决方案1】：

好吧，您可以通过它们共有的开头长度来定义 2 个字符串之间的相似性（例如，doga 和 dogs 为 3）。这很简单，但可以满足您的需求。

有了这个假设，你可以这样定义：

>>> test = {'dog':1, 'cat': 2, 'eagle': 3}
>>> def same_start(s1, s2):
    ret = 0
    for i in range(min(len(s1), len(s2))):
        if s1[i] != s2[i]:
            break
        ret += 1
    return ret

>>> def closest_match(s):
    return max(((k, v, same_start(k, s)) for k, v in test.iteritems()), key=lambda x: x[2])[1]

>>> closest_match('dogs')  # matches dog
1
>>> closest_match('cogs')  # matches cat
2
>>> closest_match('eaogs') # matches eagle
3
>>>

【讨论】：

【解决方案2】：

也许您可以尝试使用 Soundex 函数作为您的字典键？

【讨论】：

【解决方案3】：

由于您的关系不是 1:1，也许您可以使用重新定义的 __getitem__ 定义自己的 dict 类型，这可以返回可能项目的列表。这就是我的意思：

class MyDict(dict):
  def __getitem__(self, key):
    l = []
    for k, v in self.items():
      if key.startswith(k): # or some other comparation method
        l.append(v)
    return l

这只是一个想法，可能其他 dict 方法也应该重新定义以避免可能的错误或无限循环。此外，如果您只想返回一项而不是列表，@Emmanuel's answer 在这里可能非常有用，这样您就不必重新定义所有内容。

【讨论】：