如何用difflib.get_close_matches匹配带标识的重复字符串？

difflib.get_close_matches 默认只会返回去重后的匹配字符串，无法关联原列表中的标识信息，因此需要基于difflib的核心匹配逻辑自定义函数，保留所有符合条件的完整项：

自定义实现代码 #

import difflib

def get_close_matches(pattern, data_list, cutoff=0.6):
    matches = []
    matcher = difflib.SequenceMatcher()
    matcher.set_seq2(pattern)
    for item in data_list:
        # 假设每个子列表的第一个元素是待匹配字符串
        matcher.set_seq1(item[0])
        if matcher.ratio() >= cutoff:
            matches.append(item)
    return matches

# 测试示例
my_list = [["apple", 2], ["banana", 3], ["apple", 1]]
result = get_close_matches("ap", my_list)
print(result)
# 输出: [["apple", 2], ["apple", 1]]

代码说明 #

• 基于difflib.SequenceMatcher实现和原get_close_matches一致的相似度计算逻辑，保证匹配规则统一
• 遍历输入的二维列表，对每个子项的字符串部分计算相似度，符合阈值的完整项直接加入结果列表
• 保留所有重复字符串对应的不同标识项，不会自动去重
• 可通过调整cutoff参数（范围0-1）控制匹配的严格程度，值越高要求匹配度越接近

内容的提问来源于stack exchange，提问作者Fire Cube