模糊匹配3.0

这是时隔3个月的推文。

这是为感谢大家的支持，对去年发布的【模糊匹配工具】的进一步升级。关于之前的推文可以在点这里查看：

• 解决文字模糊匹配的小工具
• 快速模糊匹配——速度提升几千倍！！！
• 模糊匹配工具2.0

使用场景不变，简单而言，即是匹配两列相似的文本。比如：我们有一份上市公司简称的数据，如下图所示：

我们还有一份公司全称的数据，希望对两者进行匹配。

让简称对应上全称，结果如下：

【更新一】—— 优化使用方法

前两版打开程序后需要输入一组6个参数，如下所示：

G:\Project\匹配表1.xlsx，电视表，频道节目1，G:\Project\匹配表2.xlsx，Sheet1，频道节目2

由于涉及大小写、分隔符、文件路径等各种原因，估计有挺多用户在输入的时候难免出错。出错后，程序就一闪而过，大家可能都不知道发生了什么事情。这次升级，对这个输入过程进行了优化：

1. 首先选择匹配的计算逻辑：
   1. 直接按下回车，将使用两列字段整体匹配方法，速度较快；
   2. 输入2，按回车，将使用逐行匹配的方法，速度较慢，可能更准。

1. Excel文档的路径不需要手动输入。当出现如下提示时，按下回车，即会弹出窗口以供选择文件。

1. 选择完Excel文档之后，程序列出该Excel里所有【未隐藏】的表名，接着我们从中选填表名。如果所填的文字，跟表名不一致，程序会提示填错，让你继续填，直到填对为止才能进入下一步。

1. 接下来，程序将会列出所选表里所有字段的名称，我们从中选填。这一步同样会对填错的字段进行检查，直到填对位置。

1. 上述三个步骤重复一次，即完成2组匹配数据6个参数的输入。成功后，自动进入匹配运算。

1. 另外，程序还增加了一些报错提示，减少由于操作不合规范引起的闪退。
2. 匹配结果输出到【输出结果】文件夹，以【匹配表-年月日-时分秒】的方式命名，不覆盖旧文件。

【更新二】—— 优化匹配准确度——优化分词

前两版的分词依据是【辅助资料】文件夹里的【dict.txt】。文档共三列：词、词频、词性。程序主要依据这里出现过的词语，对所需匹配的文本进行拆分。

使用统一的分词依据表，在一些特殊场景下，匹配效果不佳。因此本次升级，会对第一个匹配列进行分析，提取出前10%最常出现的字词，添加到分词依据中。

用户也可以自己修改【dict.txt】文档，增加或减少里面的字词，以控制分词效果。文档中三列，填写时，三列用空格隔开。其中只有第一列是必填的。后两列可以省略，建议不熟悉的朋友不填。

【更新三】—— 优化匹配准确度——自定义替代词

还有读者朋友提到，如果我需要匹配的文本具有同义词（或笔误、或别称），比如同义词a出现在A列，同义词b出现在B列，怎么办？由于程序匹配的依据是文本相似度，所以对于文本不一样的同义词，是无法直接识别的。

对于这种情况，本次升级为大家提供了自定义同义替代词的解决办法。在【辅助资料】文件夹中的【对照表.xlsx】中，有两个sheets：【匹配表1】和【匹配表2】，分别用来自定义两个匹配列的同义替代词。如下图所示，表中有两列，左侧列为【原名称】，即原始匹配列中的名称；右侧列为【统一名称】，即多个同义词最后统一含义的名称。

比如，“生抽”和“味极鲜”，两个文本差别极大，当另一个匹配列中只有“酱油”的时候，前两个文本是无法匹配到“酱油”的。通过图中的设置，程序会在匹配过程中，把“生抽”、“味极鲜”替换成“酱油”，那么就可以跟另一列匹配上了。后面的“徐闻”和“上海”同理。

这个【对照表.xlsx】的内容可以为空，但请不要更改文件名、sheets名和列名。

【更新四】—— 解决部分win7系统无法运行的问题

也曾有读者朋友反映win7打开程序后直接闪退。后来找到原因是部分比较老的win7缺少所需的运行库。解决方案是双击安装【辅助资料】里的补丁。