python找到大量字符串的正則表達式模式

Question

不知道這是爲元或堆棧，但我有一個非常大的字符串列表，並希望找到它們之間的相似性，所以我可以提取最相似的組並重寫它們作爲正則表達式來節省空間。

現在我正在查看列表並慢慢地用手篩選它。

是否有一個函數可以在Python中執行此操作，我將輸入一個列表並按相似性對字符串進行分組？我有輕鬆的學習，但如果已經有一個已經存在，我不想製作自己的程序。

NLTK會爲此做些什麼嗎？

例如，對於爭奪名單，我可以得到這樣的回報或有組織的數據集

Cat 
hat 
bat 
rat 

snail 
mail 
fail 
pail 

rhino 
dino 

Milhouse 

，我會寫的正則表達式爲他們

patterns = ['^(c|h|b|r)at$', '^(sn|m|f|p)ail$', '^(rh|d)ino$', 'Milhouse'] 

Answer 1

我不知道NLTK有或沒有，但這聽起來像Burkhard-Keller樹木。我不認爲他們在標準庫中，但至少有一個可用的Python實現。

如果你想堅持標準庫，你可以嘗試difflib.get_close_matches（），但它可能會更慢。