Блог

Моя проблема немного отличается от простого сходства слов.Вопрос в том, существует ли какой-либо алгоритм для вычисления сходства между почтовым адресом и именем.

     for example:
    mail Abd_tml_1132@gmail.com
    Name Abdullah temel
    levenstein,hamming distance  11
    jaro distance  0.52
  

но, скорее всего, этот почтовый адрес принадлежит этому имени.

Нет прямого пакета, но это может решить вашу проблему:

Внесение идентификатора электронной почты в список

 a = 'Abd_tml_1132@gmail.com'
rest = a.split('@', 1)[0] # Removing @
result = ''.join([i for i in rest if not i.isdigit()]) ## Removing digits as no names contains digits in them
list_of_email_words =result.split('_') # making a list of all the words. The separator can be changed from _ or . w.r.t to email id
list_of_email_words = list(filter(None, list_of_email_words )) # remove any blank values
  

Добавление имени в список:

 b = 'Abdullah temel'
list_of_name_words =b.split(' ')
  

Примените нечеткое соответствие к обоим спискам:

 score =[]
for i in range(len(list_of_email_words)):
    for j in range(len(list_of_name_words)):
        d = fuzz.partial_ratio(list_of_email_words[i],list_of_name_words[j])
        score.append(d)
  

Теперь вам просто нужно проверить, превышает ли какой-либо из элементов score больше порогового значения, которое может быть определено вами. Например:

 threshold = 70
if any(x>threshold for x in score):
    print ("matched")
  

Fuzzywuzzy может помочь вам с необходимым решением. Сначала удалите ‘@’ и имя домена из строки с помощью регулярного выражения. После этого у вас будет 2 строки следующим образом —

 from fuzzywuzzy import fuzz as fz
str1 = "Abd_tml_1132"
str2 = "Abdullah temel"

count_ratio = fz.ratio(str1,str2)
print(count_ratio)
  

Вывод —

 46