[Python知识库]Python进行模糊匹配

Mr Chen昨天提出了一个问题一起探讨，问题如下：

Python库里有fuzzywuzzy和difflib，两个库均可实现词粒度的模糊匹配，同时可设定模糊阈值，实现关键词的提取、地址匹配、语法检查等。针对fuzzywuzzy的process模块做了下测试，将旧物料描述和新物料描述分别存放不同的文件中。

循环新描述中的明细，逐个匹配所有旧描述，得到返回值和匹配度后将结果写入新描述文件的B列和C列。

具体实现代码如下：

from fuzzywuzzy import process
import xlwings as wx

def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

def open_file(filename,list_id):
    app = wx.App(visible=False, add_book=False) # 不打开excel
    print("开始处理"+filename)
    wb = app.books.open(filename)

    sheet = wb.sheets[0]
    # 获取有值的最大行数
    nrows = sheet.used_range.last_cell.row

    for row in range(1,nrows+1):
        name = str(sheet.range((row,1)).value)
        list_id.append(name)

    print(list_id)
    wb.close()
    app.quit()

def update_file(filename,list_id):
    app = wx.App(visible=False, add_book=False) # 不打开excel
    print("开始更新"+filename)
    wb = app.books.open(filename)

    sheet = wb.sheets[0]

    # 获取有值的最大行数
    ct=0
    for vla in list_id:
        ct+=1
        print(vla)
        print('更新值'+vla[1])
        sheet.range('B'+str(ct)).value = vla[1]
        sheet.range('C'+str(ct)).value = vla[2]
    wb.save()
    wb.close()
    app.quit()

def main():
    file_old = 'D:/test_files/报表一.xlsx'   #input('输入旧物料描述文件:') # 文件位置
    file_new = 'D:/test_files/报表二.xlsx'   #input('输入新物料描述文件:')
    list_old = []
    list_new = []
    list_add = []

    #取文件内容
    open_file(file_old,list_old)
    open_file(file_new,list_new)

    #循环新物料描述，在旧物料描述中匹配
    for new in list_new:
        res = process.extractOne(new, list_old)
        list_add.append([new,res[0],res[1]])

    #将结果返写回新物料描述文件
    update_file(file_new,list_add)

if __name__=='__main__':
    main()

执行后查看结果，打开新描述的文件

这是少量的数据，不知道几万条数据效率会怎么样。