如何通过文本相似度将check_word_list替换为correct_product_name_list对应值

你这个需求属于模糊字符串匹配场景，核心是为待匹配列表的每个条目，从标准名称库中找到相似度最高的对应项，用Python的fuzzywuzzy库就能快速实现，几千条数据的处理速度完全够用。

步骤1：安装依赖库 #

需要安装两个工具库：fuzzywuzzy用来计算字符串相似度，python-Levenshtein用来加速计算（不安装也可以运行，仅处理速度会稍慢）

pip install fuzzywuzzy python-Levenshtein

步骤2：功能实现代码 #

from fuzzywuzzy import process

# 标准商品名列表（已补全原代码缺失的逗号）
correct_product_name_list = [
    'DANCOW FORTIGRO INSTANT COKLAT SUSU BUBUK 40GR',
    'DANCOW FORTIGRO SACHET INSTAN SUSU BUBUK (10 X 27 GR)',
    'HAVERJOY ROLLED OATS 1 KG - DUS',    
    'KONDOM SUTRA CLASSIC ISI 24 PCS', 
    'KONDOM SUTRA OK ISI 12 PCS', 
    'TISSUE BASAH DETOL WET WIPES ISI 50 LEMBAR',
    'VASELINE HYPOALLERGENIC REPAIRING JELLY BABY 50ML', 
]

# 待匹配商品名列表
check_word_list = [
    'DANCOW FORTIGRO SACHET INSTAN SUSU BUBUK (10 X 27 GR) - Coklat, 5 pcs',
    'KONDOM SUTRA CLASSIC ISI 1 3 12 24 SUTERA MERAH not durex / fiesta - 3pcs', 
    'HAVERJOY HAVERMOUT ROLLED OATS 1 KG - KUNING',  
    'DANCOW FORTIGRO SACHET INSTAN SUSU BUBUK (10 X 27 GR) - Vanila, 5 pcs', 
    'TISU BASAH / TISSUE BASAH DETOL WET WIPES ISI 50 LEMBAR',  
    'VASELINE HYPOALLERGENIC REPAIRING JELLY BABY 50 ML', 
    'Kondom Sutra Ok isi 1 / 3 / 12 / 24 bukan durex / fiesta - 12pcs'
]

result_list = []
# 遍历每个待匹配条目，找标准列表中相似度最高的对应项
for check_item in check_word_list:
    # extractOne返回结果格式为(最匹配的字符串, 相似度得分)
    match_item, score = process.extractOne(check_item, correct_product_name_list)
    result_list.append(match_item)

# 输出结果和你给出的预期结果完全一致
print(result_list)

可选优化：增加匹配阈值过滤 #

如果要避免低相似度的误匹配，可以自行设置得分阈值，低于阈值的条目可以单独标记处理：

threshold = 80 # 相似度阈值可根据实际场景调整
result_list = []
for check_item in check_word_list:
    match_item, score = process.extractOne(check_item, correct_product_name_list)
    if score >= threshold:
        result_list.append(match_item)
    else:
        # 未匹配条目可自定义处理逻辑，比如保留原内容或标记
        result_list.append(f"未匹配：{check_item}")

内容的提问来源于stack exchange，提问作者Stephen