Python生产级节假日映射：如何统一命名不规范的节假日？

针对你遇到的硬编码映射维护麻烦、API变更就报错的问题，给你几个简便实用的归类方法：

1. 关键词模糊匹配法 #

给每个目标类别定义一组核心关键词，通过检查节假日名称是否包含这些关键词来归类，比硬编码灵活得多。

• 示例：
  • 新年类核心关键词：["New Year", "Day After New Year"]
  • 节礼日类核心关键词：["Boxing Day"]
  • 圣诞节类核心关键词：["Christmas Day", "Christmas Eve"]
• 处理逻辑：先对原始名称做简单清洗（比如去掉首尾空格、统一大小写），然后遍历每个类别关键词，只要名称包含任一关键词，就归到对应类别。比如Day off for New Year's Day (Day 2)清洗后包含New Year，直接归为新年类；Boxing Day observed包含Boxing Day，归为节礼日类。

2. 字符串相似度聚类法 #

如果关键词匹配覆盖不全，可以用相似度算法把相似名称自动聚成一类，再手动给簇命名。

• 工具推荐：用Python的fuzzywuzzy库计算编辑距离，或者sklearn的TF-IDF+KMeans做文本聚类。
• 操作步骤：
  1. 对所有节假日名称做标准化处理（比如去掉Day off for、observed这类通用前缀后缀，转小写）；
  2. 计算每两个名称之间的相似度，把相似度高于阈值（比如80%）的归为同一类；
  3. 给每个聚类后的组指定统一类别名称，后续新名称直接和已有组计算相似度，自动归类。

3. 规则引擎+优先级匹配 #

针对命名里的固定格式，写一套分层规则，按优先级处理：

• 规则示例（按执行顺序）：
  • 去掉前缀：如果名称以Day off for 开头，直接截取后面的内容；
  • 去掉后缀：如果名称以 observed结尾，截取前面的内容；
  • 特殊后缀处理：比如(Day 2)这类标注，直接删除；
  • 最后用处理后的干净名称匹配预定义的类别映射。
• 好处：先统一格式再匹配，能覆盖大部分不规范写法，比如Day off for New Year's Day (Day 2)经过处理后变成New Year's Day，直接匹配新年类。

这些方法都比硬编码灵活，API新增或变更名称时，只要调整关键词、相似度阈值或者规则，就能快速适配，不用大面积修改代码。

内容的提问来源于stack exchange，提问作者r ram