我可以在python中做一个有百分比准确率的“字符串包含X”吗？
我需要在一大块文本上做一些OCR，并检查它是否包含某个字符串，但由于OCR的不准确性，我需要它来检查它是否包含字符串的大约85%的匹配率。
例如，我可能会对一段文本进行光学识别，以确保它不包含no information available，但光学识别器可能会看到n0 inf0rmation available或错误地解释了许多字符。
在Python中有没有一种简单的方法可以做到这一点？
回答 5
Stack Overflow用户
发布于 2012-06-01 19:31:59
正如gauden发布的，在difflib中使用SequenceMatcher是一种简单的方法。使用ratio()，从文档中返回一个介于0和1之间的值，该值对应于两个字符串之间的相似度：
，其中T是两个序列中元素的总数，M是匹配的数量，这是2.0*M /T。请注意，如果两个序列相同，则该值为1.0；如果它们没有任何共同之处，则为0.0。
示例：
>>> import difflib
>>> difflib.SequenceMatcher(None,'no information available','n0 inf0rmation available').ratio()
0.91666666666666663还有一个可能对你有用的get_close_matches，你可以指定一个距离截止，它将从列表中返回该距离内的所有匹配项：
>>> difflib.get_close_matches('unicorn', ['unicycle', 'uncorn', 'corny',
'house'], cutoff=0.8)
['uncorn']
>>> difflib.get_close_matches('unicorn', ['unicycle' 'uncorn', 'corny',
'house'], cutoff=0.5)
['uncorn', 'corny', 'unicycle']更新:查找与匹配的部分子序列
要找到与三个单词序列最接近的匹配项，我会将文本拆分为单词，然后将它们分组为三个单词序列，然后应用difflib.get_close_matches，如下所示：
import difflib
text = "Here is the text we are trying to match across to find the three word
sequence n0 inf0rmation available I wonder if we will find it?"
words = text.split()
three = [' '.join([i,j,k]) for i,j,k in zip(words, words[1:], words[2:])]
print difflib.get_close_matches('no information available', three, cutoff=0.9)
#Oyutput:
['n0 inf0rmation available']Stack Overflow用户
发布于 2012-06-01 19:19:49
difflib标准库模块中的SequenceMatcher object将直接给出一个比率：
Stack Overflow用户
发布于 2012-06-01 19:16:22
你可以计算Levenshtein distance。下面是一个Python实现：http://pypi.python.org/pypi/python-Levenshtein/
https://stackoverflow.com/questions/10849141
复制相似问题
腾讯云开发者
