Python 3.x中如何将字符串变体归为同一类别进行计数？

你当前的代码仅能统计完全一致的名称，无法识别同一公司的不同变体。针对给出的案例，这里提供两种可行的解决方案：

一、基于规则提取核心名称（适合变体规律明确的场景） #

你的案例中，公司名称变体均为「核心名称+后缀」形式（比如.uk、ltd、Ltd.），可通过简单的字符串分割提取核心名称后统计计数：

my_list = ['Telecom.uk', 'Telecom ltd', 'Telecom Ltd.', 'Vodafone Ltd.', 'Vodafone Ltd']
results = {}

for name in my_list:
    # 先按点分割取第一部分，再按空格分割取第一部分，得到核心名称
    core_name = name.split('.')[0].split()[0]
    # 可选：统一大小写避免因大小写差异导致的分组错误
    # core_name = core_name.lower().capitalize()
    
    if core_name in results:
        results[core_name] += 1
    else:
        results[core_name] = 1

print(results)

执行后输出：

{'Telecom': 3, 'Vodafone': 2}

若遇到更复杂的后缀（比如plc、Corp.、Inc等），可扩展规则，先列出常见后缀再从名称中剔除：

common_suffixes = {'ltd', 'Ltd', 'Ltd.', 'plc', 'Corp.', 'Inc', '.uk', '.com'}

def get_core_name(name):
    parts = name.split()
    # 移除末尾的后缀词
    while parts and parts[-1] in common_suffixes:
        parts.pop()
    # 移除包含后缀的域名部分
    core = ' '.join(parts).split('.')[0]
    return core

# 后续计数逻辑与之前一致

二、模糊匹配分组（适合变体无规律的场景） #

如果公司名称变体存在拼写差异、缩写等无规律情况，可使用fuzzywuzzy库识别相似名称：

1. 先安装依赖：

pip install fuzzywuzzy python-Levenshtein

2. 实现代码：

from fuzzywuzzy import process
from collections import defaultdict

my_list = ['Telecom.uk', 'Telecom ltd', 'Telecom Ltd.', 'Vodafone Ltd.', 'Vodafone Ltd']
results = defaultdict(int)
unique_names = list(set(my_list))

for name in my_list:
    # 找到相似度最高的名称（阈值设为80，可按需调整）
    match, score = process.extractOne(name, unique_names, score_cutoff=80)
    # 提取匹配项的核心名称
    core_match = match.split('.')[0].split()[0]
    results[core_match] += 1

print(dict(results))

这种方法能处理更复杂的变体场景，但需根据实际情况调整相似度阈值，避免误分组。

内容的提问来源于stack exchange，提问作者JoeFrank