python识别emai中的文本

Question

想象一下你收到这样的电子邮件：

name1: value
name2: value
name3: value

这些值应插入到数据库中，列名称应等于电子邮件中的名称

然而，这些电子邮件可能有一些错误，例如拼写错误，或者使用缩写而不是全名。 此外，作者可能会随机选择更改名称，例如将bike更改为bicycle

这些电子邮件应该被自动处理，即使它有错误。处理脚本应该能够“修复”错误

我以为一个文本分类（卷积）神经网络可以做这项工作，但它似乎是过度杀伤力。有更好或更简单的解决方案吗

Answer 1

这里有一些想法，因为您事先知道键（列名）。假设有color和density

• 您可以使用编辑距离（例如Levenshtein距离）之类的方法将任何未识别的距离与最接近的实际距离进行匹配（如果距离足够近）。比如说，cloor可以与color匹配，因为编辑距离是1（但是，如果有几个匹配具有足够低的编辑距离，您可能希望安全起见，而不是映射数据
• 类似地，对于缩写词，您可以选择按唯一前缀来映射它们，即如果有人使用dens，并且只有一列（density）以dens开头，您可以放心地想象它是density

对于所有未映射的列，我会在数据库中添加一个“stash”列，您可以将无法识别的数据放入（比如说，JSON格式），并让脚本通知操作员（您！）关于无法识别的键，因此可以改进逻辑，并使用该逻辑将数据从存储列映射到实际列