Python3中使用FuzzyWuzzy进行字符串模糊匹配与提取

环境准备与安装

FuzzyWuzzy 是一个用于模糊字符串匹配的 Python 库，其核心依赖于 Levenshtein 距离算法。为了获得最佳的性能表现，建议在安装 FuzzyWuzzy 的同时安装其 C 语言加速库 python-Levenshtein。

首先，确保你的开发环境已安装 Python 3。接着，通过 pip 工具执行以下命令安装必要的依赖包：

pip install fuzzywuzzy

该命令会自动处理基础库的安装。若需启用高性能模式，建议单独安装 python-Levenshtein（通常包含在依赖中或需显式指定）。

计算字符串相似度

安装完成后，可以通过导入 fuzz 模块来使用核心的相似度计算功能。FuzzyWuzzy 提供了多种算法，其中最常用的是 ratio 方法，它返回两个字符串之间的相似度百分比（0-100）。

以下示例展示了如何计算两个略有差异的字符串之间的相似度：

from fuzzywuzzy import fuzz

# 计算两个字符串的相似度
score = fuzz.ratio("Let's do a simple test", "Let us do a simple test")
print(score)  # 输出结果通常为 93，表示两者有 93% 的相似性

在此示例中，尽管两个字符串在缩写和空格上存在细微差别，算法仍能识别出它们的高度相似性，返回值为 93。

从列表中提取最相关字符串

除了计算两个字符串的相似度，FuzzyWuzzy 还常用于在大量候选数据中查找与目标字符串最匹配的一项。这可以通过 process 模块中的 extract 方法实现。

假设我们有一个包含多个数据项的列表，希望从中找出与用户输入最接近的匹配项。具体操作如下：

from fuzzywuzzy import process

# 定义候选字符串列表
choices = [
    "Data Visualisation",
    "DataVisualization",
    "Customised Behaviours",
    "CustomizedBehaviors"
]

# 提取相似度最高的前2个结果
result1 = process.extract("data visulisation", choices, limit=2)
result2 = process.extract("custom behaviour", choices, limit=2)

print(result1)
print(result2)

在上述代码中：

• choices 定义了待匹配的候选字符串集合。
• process.extract 接收目标字符串、候选列表以及返回结果的数量限制（limit）。
• 该方法会返回一个元组列表，每个元组包含匹配的字符串及其相似度分数。

例如，当输入 "data visulisation" 时，算法会忽略大小写和拼写差异，从列表中筛选出相似度最高的前两项。同理，"custom behaviour" 也会匹配到对应的变体字符串。

总结

FuzzyWuzzy 为 Python 开发者提供了一种简单而强大的工具，用于处理非精确的字符串匹配问题。通过结合 fuzz.ratio 进行点对点相似度评估，以及 process.extract 进行批量数据清洗与匹配，可以有效解决数据标准化、搜索推荐等场景下的模糊匹配需求。确保安装 python-Levenshtein 以获得更高效的计算速度。

以上就是Python3中FuzzyWuzzy库实例用法的详细内容，更多关于Python模糊匹配的资料请关注本站其它相关文章！