编辑: 下面代码的主要问题之一是将正则表达式对象存储在字典中，以及如何访问它们以查看它们是否可以匹配另一个字符串。但我仍然会留下我之前的问题，因为我认为可能有一种简单的方法可以完成所有这些。
我想在 python 中找到一个方法，它知道如何返回一个 bool 值，判断两个字符串是否指的是同一事物。我知道这很难，即使在编程中不是完全荒谬的，但我正在研究使用指向同一事物的替代字符串字典来处理这个问题。
这里有一些例子，因为我知道没有它们这就没有多大意义。
如果我给出字符串:
'breakingBad.Season+01 Episode..02'
然后我希望它匹配字符串:
'绝命毒师 S01E02'
或者'three.BuCkets+of H2O'可以匹配'3 buckets of water'
我知道这对于 '3' 和 'water' 等是同义词来说几乎是不可能的，但我愿意提供这些作为字典如果需要，函数的相关正则表达式同义词。
我感觉在 python 中有一种更更简单的方法来做到这一点，一如既往，但这是我目前所拥有的:
import re
def check_if_match(given_string, string_to_match, alternative_dictionary):
print 'matching: ', given_string, ' against: ', string_to_match
# split the string into it's parts with pretty much any special character
list_of_given_strings = re.split(' |\+|\.|;|,|\*|\n', given_string)
print 'List of words retrieved from given string: '
print list_of_given_strings
check = False
counter = 0
for i in range(len(list_of_given_strings)):
m = re.search(list_of_given_strings[i], string_to_match, re.IGNORECASE)
m_alt = None
try:
m_alt = re.search(alternative_dictionary[list_of_given_strings[i]], string_to_match, re.IGNORECASE)
except KeyError:
pass
if m or m_alt:
if counter == len(list_of_given_strings)-1: check = True
else: counter += 1
print list_of_given_strings[i], ' found to match'
else:
print list_of_given_strings[i], ' did not match'
break
return check
string1 = 'breaking Bad.Season+01 Episode..02'
other_string_to_check = 'Breaking.Bad.S01+E01'
# make a dictionary of synonyms - here we should be saying that "S01" is equivalent to "Season 01"
alternative_dict = {re.compile(r'S[0-9]',flags=re.IGNORECASE):re.compile(r'Season [0-9]',flags=re.IGNORECASE),\
re.compile(r'E[0-9]',flags=re.IGNORECASE):re.compile(r'Episode [0-9]',flags=re.IGNORECASE)}
print check_if_match(string1, other_string_to_check, alternative_dict)
print
# another try
string2 = 'three.BuCkets+of H2O'
other_string_to_check2 = '3 buckets of water'
alternative_dict2 = {'H2O':'water', 'three':'3'}
print check_if_match(string2, other_string_to_check2, alternative_dict2)
返回:
matching: breaking Bad.Season+01 Episode..02 against: Breaking.Bad.S01+E01
List of words retrieved from given string:
['breaking', 'Bad', 'Season', '01', 'Episode', '', '02']
breaking found to match
Bad found to match
Season did not match
False
matching: three.BuCkets+of H2O against: 3 buckets of water
List of words retrieved from given string:
['three', 'BuCkets', 'of', 'H2O']
three found to match
BuCkets found to match
of found to match
H2O found to match
True
我意识到这可能意味着我在使用字典键和值时遇到了问题，但我觉得我离一个可能已经创建的简单 pythonic 解决方案越来越远。
有人有什么想法吗？
请您参考如下方法:
我在摆弄它，发现了一些有趣的东西:
这可能与您将初始单词分解成列表的方式有关
matching: breaking Bad.Season 1.Episode.1 against: Breaking.Bad.S1+E1 List of words retrieved from given string: ['breaking', 'Bad', 'Season', '1', 'Episode', '1']我认为您希望它是
..., 'Season 1', ...而不是'Season'和1是列表中的单独条目。您指定了
S[0-9]，但这不会匹配两位数。- 关于您的正则表达式存储在字典中，您是对的；映射仅适用于一个方向。我通过将
r'Season [0-9]'映射到r'S[0-9]'来摆弄代码(不幸的是不记得它是什么)反之亦然，它能够匹配Season。
建议
- 不是映射，而是为每种字符串类型(例如标题、季节、剧集)创建一个等价类，并为此添加一些匹配器代码。
- 将解析和比较步骤分开。将每个字符串单独解析为通用格式或对象，然后进行比较
- 您可能需要实现某种状态机来了解您正在处理一个季节并期望在它之后立即看到一个特定格式的数字。
- 您可能想改用第三方工具；我听说过关于 Renamer 的好消息
