使用difflib.get_close_matches()忽略大小写

Question

如何告诉difflib.get_close_matches()忽略大小写？我有一个字典,其中包含一个包含大小写的定义格式.但是,测试字符串可能具有完全大小写或没有大小写,这些应该是等效的.但是,结果需要适当地大写,因此我不能使用修改后的字典.

import difflib

names = ['Acacia koa A.Gray var. latifolia (Benth.) H.St.John',
    'Acacia koa A.Gray var. waianaeensis H.St.John',
    'Acacia koaia Hillebr.',
    'Acacia kochii W.Fitzg. ex Ewart & Jean White',
    'Acacia kochii W.Fitzg.']
s = 'Acacia kochi W.Fitzg.'

# base case: proper capitalisation
print(difflib.get_close_matches(s,names,1,0.9))

# this should be equivalent from the perspective of my program
print(difflib.get_close_matches(s.upper(),names,1,0.9))

# this won't work because of the dictionary formatting
print(difflib.get_close_matches(s.upper().capitalize(),names,1,0.9))

输出:

['Acacia kochii W.Fitzg.']
[]
[]

工作代码:

根据Hugh Bothwell的回答,我修改了如下代码以获得一个有效的解决方案(当返回多个结果时,它也应该有效):

import difflib

names = ['Acacia koa A.Gray var. latifolia (Benth.) H.St.John',
    'Acacia koa A.Gray var. waianaeensis H.St.John',
    'Acacia koaia Hillebr.',
    'Acacia kochii W.Fitzg. ex Ewart & Jean White',
    'Acacia kochii W.Fitzg.']
test = {n.lower():n for n in names}    
s1 = 'Acacia kochi W.Fitzg.'   # base case
s2 = 'ACACIA KOCHI W.FITZG.'   # test case

results = [test[r] for r in difflib.get_close_matches(s1.lower(),test,1,0.9)]
results += [test[r] for r in difflib.get_close_matches(s2.lower(),test,1,0.9)]
print results

输出:

['Acacia kochii W.Fitzg.', 'Acacia kochii W.Fitzg.']

Answer 1

我没有看到任何快速的方法使difflib做不区分大小写的比较.

似乎是快速而肮脏的解决方案

• 创建一个将字符串转换为某种规范形式的函数(例如:大写,单行,无标点符号)

• 使用该函数制作{canonical string:original string}的dict和[canonical string]的列表

• 对规范字符串列表运行.get_close_matches,然后通过dict插入结果以获取原始字符串

Answer 2

经过大量搜索后，我很遗憾地发现对于这个明显的用例没有简单的预先固定的答案。

唯一的选择似乎是“FuzzyWuzzy”库。然而，它像 Python 一样依赖于 Levenshtein Distance difflib，而且它的 API 不是生产质量的。它的更晦涩的方法确实不区分大小写，但它没有提供直接或简单的替代get_close_matches。

所以这是我能想到的最简单的实现：

import difflib

def get_close_matches_icase(word, possibilities, *args, **kwargs):
    """ Case-insensitive version of difflib.get_close_matches """
    lword = word.lower()
    lpos = {p.lower(): p for p in possibilities}
    lmatches = difflib.get_close_matches(lword, lpos.keys(), *args, **kwargs)
    return [lpos[m] for m in lmatches]