如何使用fuzzywuzzy从无空格长字符串中提取匹配子串？

你使用thefuzz（原fuzzywuzzy）的process.extract方法对无空格长字符串做模糊搜索时，遇到了返回结果为单个字符/数字，而非fuzz.partial_ratio检测到的完整匹配序列的问题。

代码与运行结果 #

你的测试代码：

from thefuzz import fuzz, process

target = "1234"
source = "012345"
print(fuzz.partial_ratio(target, source))
print(process.extract(target, source, limit=2))

运行后：

• fuzz.partial_ratio输出100，说明目标字符串是源字符串的子串
• process.extract却返回：

[('1', 90), ('2', 90)]

而非预期的：

[('1234', 100)]

问题原因 #

process.extract的第二个参数要求是可迭代的序列（如列表、元组），你传入的是单个字符串"012345"，Python会将字符串拆解为单个字符的迭代器，所以process.extract会逐个字符和target做匹配，最终返回单个字符的匹配结果。

解决办法 #

方法1：将源字符串包装为列表 #

把source放进列表中，让process.extract把整个字符串作为匹配对象：

from thefuzz import fuzz, process

target = "1234"
source = ["012345"]  # 改为列表形式
print(fuzz.partial_ratio(target, source[0]))
print(process.extract(target, source, limit=2))

运行结果：

100
[('012345', 100)]

方法2：提取源字符串中匹配的子串 #

如果需要从源字符串中直接提取出和target匹配的子串，可以遍历源字符串的所有等长子串，结合fuzz.partial_ratio筛选：

from thefuzz import fuzz

target = "1234"
source = "012345"
target_length = len(target)
matched_substrings = []

# 遍历所有可能的等长子串
for i in range(len(source) - target_length + 1):
    current_substring = source[i:i+target_length]
    if fuzz.partial_ratio(target, current_substring) == 100:
        matched_substrings.append(current_substring)

print(matched_substrings)  # 输出 ['1234']

内容的提问来源于stack exchange，提问作者Bas Jansen