如何将字符串与可能的错字匹配？

Question

我将多个pdf转换为文本文件，并且我想搜索文件中可能存在的特定短语。我的问题是pdf和文本文件之间的转换不完美，因此有时文本中会出现错误（例如单词之间缺少空格； i，l，1之间的混淆；等等）

我想知道是否有任何常用的技术可以让我进行“软”搜索，例如，可以查看两个词之间的汉明距离。

if 'word' in sentence:

与

if my_search('word',sentence, tolerance):

Answer 1

您可以使用以下方式：

from difflib import SequenceMatcher

text = """there are 
some 3rrors in my text
but I cannot find them"""

def fuzzy_search(search_key, text, strictness):
    lines = text.split("\n")
    for i, line in enumerate(lines):
        words = line.split()
        for word in words:
            similarity = SequenceMatcher(None, word, search_key)
            if similarity.ratio() > strictness:
                return " '{}' matches: '{}' in line {}".format(search_key, word, i+1)

print fuzzy_search('errors', text, 0.8)

应该输出以下内容：

'errors' matches: '3rrors' in line 2