如何基于字符串公共部分匹配合并两个Python列表得到指定结果

实现思路 #

我们可以通过字符串相似度匹配的逻辑完成分组合并，核心步骤如下：

• 以list1的元素顺序作为分组的锚点顺序，保证最终输出顺序和示例一致
• 为每个待匹配的字符串计算与已有分组核心字符串的相似度，高于设定阈值就归入对应分组
• 所有元素分配完成后，按分组顺序展开所有元素即可得到目标结果

代码实现 #

方案1：使用模糊匹配库（推荐，适配拼写错误场景） #

首先需要安装依赖库：

pip install fuzzywuzzy python-Levenshtein

然后实现代码：

from fuzzywuzzy import fuzz

list1 = ["Equipment ONLY - Bees Technologies", "Bees Technologies", "Chris Metal SA - Central Office", "NSA Aerospace tech"]
list2 = ["Bees Tech, Inc.", "Chris Metal, SA", "NSA Arerospace"]

# 初始化分组：以list1元素为初始锚点，相同核心的先归为一组
groups = []
# 先处理list1的分组
for s in list1:
    found = False
    for i in range(len(groups)):
        # 计算和分组第一个元素的相似度
        if fuzz.partial_ratio(s, groups[i][0]) > 70:
            groups[i].append(s)
            found = True
            break
    if not found:
        groups.append([s])

# 再把list2的元素分到对应组
for s in list2:
    max_score = 0
    target_group_idx = 0
    for i in range(len(groups)):
        score = fuzz.partial_ratio(s, groups[i][0])
        if score > max_score:
            max_score = score
            target_group_idx = i
    if max_score > 70:
        groups[target_group_idx].append(s)

# 展开分组得到最终结果
final_list = [item for group in groups for item in group]
print(final_list)

运行后输出的结果和要求的目标列表完全一致。

方案2：无第三方依赖的公共子串匹配实现 #

如果不想安装额外库，可以通过判断最长公共子串占比来实现匹配：

def get_common_substr_ratio(a, b):
    # 计算两个字符串的最长公共子串长度占较短字符串的比例
    m, n = len(a), len(b)
    dp = [[0]*(n+1) for _ in range(m+1)]
    max_len = 0
    for i in range(1, m+1):
        for j in range(1, n+1):
            if a[i-1].lower() == b[j-1].lower():
                dp[i][j] = dp[i-1][j-1] + 1
                max_len = max(max_len, dp[i][j])
    return max_len / min(m, n)

list1 = ["Equipment ONLY - Bees Technologies", "Bees Technologies", "Chris Metal SA - Central Office", "NSA Aerospace tech"]
list2 = ["Bees Tech, Inc.", "Chris Metal, SA", "NSA Arerospace"]

groups = []
# 处理list1分组
for s in list1:
    found = False
    for i in range(len(groups)):
        if get_common_substr_ratio(s, groups[i][0]) > 0.4:
            groups[i].append(s)
            found = True
            break
    if not found:
        groups.append([s])

# 处理list2分组
for s in list2:
    max_ratio = 0
    target_idx = 0
    for i in range(len(groups)):
        ratio = get_common_substr_ratio(s, groups[i][0])
        if ratio > max_ratio:
            max_ratio = ratio
            target_idx = i
    if max_ratio > 0.4:
        groups[target_idx].append(s)

final_list = [item for group in groups for item in group]
print(final_list)

参数调整说明 #

如果后续匹配出现误差，可以调整两个阈值：

• 模糊匹配方案的相似度阈值（默认70），数值越高匹配越严格
• 公共子串方案的占比阈值（默认0.4），数值越高匹配越严格

内容的提问来源于stack exchange，提问作者bayramco