Python的fuzzywuzzy返回不可預知的結果

Question

我正在使用Python中的模糊wuzzy，雖然它聲稱它與levenshtein距離一起工作，但我發現許多單個字符不同的字符串會產生不同的結果。例如。

>>>fuzz.ratio("vendedor","vendedora") 
94 
>>>fuzz.ratio("estagiário","estagiária") 
90 
>>> fuzz.ratio("abcdefghijlmnopqrst","abcdefghijlmnopqrsty") 
97 
>>>fuzz.ratio("abc","abcd") 
86 
>>>fuzz.ratio("a","ab") 
67 

我想Levenshtein距離應該是相同的，因爲在所有的例子單個字符的距離，但我知道這不是簡單的距離，這是某種形式的某種「比例平等」的。

我試圖理解它是如何工作的，但我似乎無法理解。我很長的字符串給出了一個97和很短的一個67.我想這意味着字符串越大，對單個字符的影響就越小。然而，對於「vendedor」，「vendedora」和「estagiário」，「estagiária」的例子，情況並非如此，因爲後者比前者大。

這是如何工作的？

我目前正在匹配用戶輸入職位名稱，嘗試將錯誤輸入的姓名與正確類型的名稱連接起來。是否有更好的工作包用於我的任務？

Answer 1

你對一般的模糊工作原理是否正確。來自fuzz.ratio函數的較大輸出數表示字符串彼此更接近（100是完美匹配）。我預製了幾個額外的測試用例來檢查它是如何工作的。它們是：

fuzz.ratio("abc", "abce") #to show which extra letter doesn't matter. 
86 
fuzz.ratio("abcd", "abce") #to show that replacing a number is worse than adding. 
75 
fuzz.ratio("abc", "abc") #to find what a match gives. 
100 

從這些測試中，我們可以看到，更換數對比率計算比添加一個字母一個更大的效果（這就是爲什麼estagiário/estagiária較少的匹配比vendedor/vendedora的儘管時間更長）。根據this，該軟件包也可用於從可能的匹配列表中自動選擇最佳選擇，因此我認爲這對您的預期目標來說是一個不錯的選擇。