我试图实现搜索一组包含多个部分的多个单词。 例如,我们有这些医学术语。在
R Deep Transverse Metatarsal Ligament 4 GEODE
R Distal JointCapsule 1 GEODE
R Dorsal Calcaneocuboid Ligament GEODE
R Dorsal Carpometacarpal Ligament 2 GEODE
R Dorsal Cuboideavicular Ligament GEODE
R Dorsal Tarsometatarsal Ligament 5 GEODE
R Elbow Capsule GEODE
R F Distal JointCapsule 1 GEODE
R Fibular Collateral Bursa GEODE
R Fibular Collateral Ligament GEODE
R Fibular Ligament GEODE
用户可以输入如下搜索词:
例如,“R De Me Li”,则应找到“R跖骨深横韧带4 GEODE”
例如,“Fi Colla”==>;“R腓侧副囊GEODE”,“R腓侧副韧带GEODE”
例如,“bow-ODE”==>;“R肘部胶囊GEODE”
也就是说,即使用户输入单词的某些部分,它也应该找到答案。 如果有多个答案,它应该显示所有答案。 我提前感谢你的帮助。在
补充)哦。。我忘了什么。在
例如,“ral lar”==>;不应显示“R腓骨侧支囊GEODE”或“R腓侧副韧带GEODE”,因为应考虑查询词的顺序。在
另外,查询词之间的空格表示每行(数据库)的不同单词。在
查询词的顺序应与每行(数据库)中的字相同, 但是查询词可以比数据库词短。在
例如,“R De Me 4”==>;“R跖骨深横韧带4 GEODE” 我们可以看到'跖骨'和'韧带'包括'我',但第一次匹配'跖骨'是好的,4将被搜索。在
另外,不同的查询词组合可以返回相同的结果。在
例如
'Car'==>;'R腕掌背侧韧带2 GEODE'
“Do Car”==>;“R腕掌背侧韧带2 GEODE”
'R Do Carp'==>;'R腕掌背侧韧带2 GEODE'
注意:不区分大小写。在
不是真正的“正则表达式”问题;您应该考虑字符串的模糊比较,即Levenshtein distance或diff
见https://stackoverflow.com/questions/682367/good-python-modules-for-fuzzy-string-comparison
编辑:一些示例代码:
实际产量:
^{pr2}$编辑2:“如果有多个答案,它应该显示全部”—基本字符串是不同程度的所有答案。那么,问题是,你想要使用什么样的相似度临界值;也许是“所有答案至少是最佳匹配的90%”之类的东西?在
一个简单的Python式解决方案,它按回答完成任务,并且不区分大小写:
基本上,我们创建了一个简单的正则表达式,它以原始顺序匹配包含请求所有子字符串(所有由非单词字符分隔的字符串)的字符串,其中包括前、中、后。在
例如,一个请求
'R De Me Li'
变成一个模式r'.*R.*De.*Me.Li.*'
然后,我们返回所有匹配结果的列表。由于
re.match()
中的标志re.I
,它不区分大小写。在然后,它可以按预期工作,您可以尝试使用底座:
^{pr2}$一些示例请求:
注意:只有在请求和项中的顺序相同时,它才会匹配(即}将匹配)。在
'ode bow'
,因为请求与['R Elbow Capsule GEODE']
不匹配,而{注意:我不认为模糊搜索在这里有多大帮助,至少一开始是,因为它是基于诸如Levenshtein(编辑距离)这样的距离的,它在比如“Fi”和“Fibular”(一个词的距离是5。。。在35%的情况下,我不是苏尔这是一个好主意匹配。。。如果您非常确定请求中只包含完整的单词,并且可能会有少量的错误输入,则可以使用它)
您可以使用标准发行版中的difflib执行此操作:
印刷品:
^{pr2}$结合cblab's answer结合regex和difflib,可以得到:
印刷品:
相关问题 更多 >
编程相关推荐