我有一个字符串要与候选人列表进行匹配。这是一个例子：
# ignore case
string = "The Shining" # The Stanley Kubrick Movie
candidates = ['Shining', 'The shins', 'Shining, The']
most_similar(string, candidates)
==> 'Shining, The'
做一个“文字字符串比较”，在这种情况下，我通常使用Levenshtein distance 或比率。但是，我想做一个更复杂的相似性测试，以便上述情况下的最佳匹配是Shining, The。
我猜这是一个可能已经广泛解决的常见问题，所以我想知道什么库/工具/等。可能是获得我想要做的事情的最佳方式？
【问题讨论】：
标签： python python-3.x string search levenshtein-distance
您正在寻找gensim 或fuzzywuzzy 包。
在这种特定情况下，您可能倾向于fuzzywuzzy，因为您只是尝试进行字符串匹配。
gensim 更多地用于计算文档、段落、句子、单词、语料库等的相似度分数和向量表示，目的是捕获语义/主题含义，而不是文字字符串匹配。
所以在你的情况下，使用模糊字符串匹配，你可能会这样做：
from fuzzywuzzy import fuzz
fuzz.partial_ratio('Shining', 'The shins')
>>> 50
fuzz.partial_ratio('Shining', 'Shining, The')
>>> 100
fuzz.partial_ratio('Shining', 'unrelated')
>>> 14
partial_ratio 函数区分大小写，因此您可能希望将所有输入都小写。它将输出 0 到 100 之间的分数（100 是非常强的匹配）。由您决定如何从那里过滤掉匹配项，也许使用阈值：if score > 75: its a match。
我建议您查看 fuzzywuzzy 包中的不同功能，看看最适合您的情况。
【讨论】：
cat和dog是相似的，因为它们都是动物）。 Fuzzywuzzy 是您将用于字符串匹配的内容。