如何找到字符串中不考虑顺序的匹配模式？

Question

我正在尝试在两个字符串之间匹配模式。例如，我有：

pattern_search = ['education four year'] 
string1 = 'It is mandatory to have at least of four years of professional education'
string2 = 'need to have education four years with professional degree'

我正在尝试一种方法，在匹配模式搜索和字符串1&字符串2之间寻找匹配时，如果成功，则返回true。

当我使用正则表达式库进行匹配/搜索/查找时，无法帮助我。在字符串中，我已经拥有了所有所需的单词，但不是按顺序排列的；在string2中，我有一个额外的单词，并加上了复数形式。

目前，我正在对字符串进行预处理后，将每个单词与pattern_search中的每个单词在string1&2中逐一检查，是否有任何方法可以在句子之间找到匹配项？

- Raady

---

只是好奇，你是在尝试创建自己的抄袭检测服务吗？ - Sunny Patel

哈哈哈哈，太有趣了。但是我正在尝试根据匹配的关键词为给定的字符串分类类型。 - Raady

Answer 1

你应该好好研究 difflib 库，特别是 get_close_matches 函数，它返回与要求的单词“足够接近”的单词。请确保相应地调整您的阈值 (cutoff=)。

from difflib import get_close_matches
from re import sub

pattern_search = 'education four year'
string1 = 'It is mandatory to have at least of four years of professional education'
string2 = 'need to have education four years with professional degree'
string3 = 'We have four years of military experience'

def match(string, pattern):
  pattern = pattern.lower().split()
  words = set(sub(r"[^a-z0-9 ]", "", string.lower()).split())  # Sanitize input
  return all(get_close_matches(word, words, cutoff=0.8) for word in pattern)

print(match(string1, pattern_search))  # True
print(match(string2, pattern_search))  # True
print(match(string3, pattern_search))  # False

如果你想让pattern_search成为一个模式列表，那么你应该循环调用match函数。

- Sunny Patel

---

这个答案基于一个假设，即您正在尝试将pattern_search与string1进行比较，并且另一种情况是将pattern_search与string2进行比较，而不是使用帮助程序pattern_search来比较string1和string2。 - Sunny Patel

difflib所有的示例都只考虑字母（字母表）而不是单词。 - Raady

@Raady，我的解决方案是基于单词和相似单词，而不是字母。你可以在我的解决方案中的return之前添加print（{word：get_close_matches（word，words，cutoff = 0.8）for word in pattern}）以获取匹配单词的诊断信息。请参见我的repl示例游乐场。 - Sunny Patel

Answer 2

试一下：

def have_same_words(string1, string2):
    return sorted(string1.split()) == sorted(string2.split())

print(have_same_words("It is mandatory to have at least of four years of professional education", "education four year"))

- Mahsa Hassankashi

---

匹配/搜索/查找没有帮助，因为如果单词的顺序完全相同，它们将是正确的。在string1中，我有所有的单词，但顺序不同。 - Raady

请阅读主题，我说过我正在通过拆分和比较来做同样的事情。但是由于我的整个数据量很大，所以无法应用那种方法。你的方法会让程序在庞大的数据集上感觉卡住。 - Raady

Answer 3

在Python中，要检查一个字符串是否包含另一个字符串，你可以尝试几件事情：

使用in。

>>> pattern_search in string
True

或者找到

>>> string1.find(pattern_search)
[returns value greater than 1 if True or -1 if False]

- Jose

---

你以新的方式回答了相同的问题！ - Raady