将电话号码匹配整合至现有字符串姓名匹配函数的方案咨询

核心结论 #

两种方案都可行，但优先推荐单独编写电话号码匹配函数，再通过一个统一的调度函数整合不同匹配逻辑——既保证单一职责，又能兼顾调用灵活性。

为什么不直接硬塞进原match_strings？ #

• 逻辑差异过大：姓名匹配依赖ngram模糊匹配，而电话号码需要先通过正则提取、格式化（去符号/空格），再做精确或规则化匹配，硬塞会让函数逻辑臃肿，参数变得混乱（比如ngram_n对电话匹配完全无用）。
• 维护成本高：后续修改姓名匹配逻辑可能影响电话匹配，反之亦然，违反单一职责原则。

单独实现电话号码匹配函数的优势 #

• 逻辑清晰：函数只专注于电话匹配，比如match_phone_numbers，内部可以独立处理正则提取、格式化、精确/部分匹配逻辑。
• 易于调试优化：单独测试电话匹配逻辑，不用和姓名的ngram逻辑混在一起，排查问题更高效。

示例实现：

import re

def match_phone_numbers(strings1, strings2, allow_partial=False, partial_threshold=0.9):
    # 提取并标准化电话号码：移除所有非数字字符
    def normalize_phone(s):
        return re.sub(r'\D', '', s)
    
    matches = []
    for s1 in strings1:
        norm1 = normalize_phone(s1)
        for s2 in strings2:
            norm2 = normalize_phone(s2)
            if allow_partial:
                # 支持部分匹配（比如国内手机号取后10位对比）
                match_score = 1.0 if norm1[-10:] == norm2[-10:] else 0.0
                if match_score >= partial_threshold:
                    matches.append((s1, s2, match_score))
            else:
                # 精确匹配
                if norm1 == norm2:
                    matches.append((s1, s2, 1.0))
    return matches

兼顾灵活性的整合方案 #

如果希望对外提供统一的调用入口，可以做一个顶层调度函数，根据类型自动选择匹配逻辑：

def match_entries(strings1, strings2, match_type='string', **kwargs):
    if match_type == 'string':
        return match_strings(strings1, strings2, **kwargs)
    elif match_type == 'phone':
        return match_phone_numbers(strings1, strings2, **kwargs)
    else:
        raise ValueError(f"不支持的匹配类型: {match_type}")

# 调用示例
# 姓名匹配
match_entries(name_list1, name_list2, match_type='string', ngram_n=2, threshold=0.3)
# 电话号码匹配
match_entries(phone_list1, phone_list2, match_type='phone', allow_partial=True)

折中：硬整合进match_strings的方案（不推荐） #

如果一定要把逻辑塞进原函数，可以通过match_type参数分支处理，但会带来参数冗余问题：

import re

def match_strings(strings1, strings2, ngram_n=2, threshold=0.3, match_type='string'):
    if match_type == 'string':
        # 原有的姓名/通用字符串匹配逻辑
        pass
    elif match_type == 'phone':
        def normalize_phone(s):
            return re.sub(r'\D', '', s)
        
        matches = []
        for s1 in strings1:
            norm1 = normalize_phone(s1)
            for s2 in strings2:
                norm2 = normalize_phone(s2)
                # 电话匹配逻辑：取后10位对比
                if len(norm1)>=10 and len(norm2)>=10 and norm1[-10:] == norm2[-10:]:
                    matches.append((s1, s2, 1.0))
        return matches
    else:
        raise ValueError(f"不支持的匹配类型: {match_type}")

内容的提问来源于stack exchange，提问作者Rahul T