将python中的字符串与SequenceMatcher和textdistance等工具进行比较，并比较其算法的差异

问题描述

我正在使用一个具有两列城市名称的数据框，这些列应该相等。但是它们不是由于管理错误，拼写错误或名称更改引起的。我正在尝试查看这些城市名称何时“足够相等”以致被假定为相等。使用SequenceMatcher，我可以将列表大致分为3部分：一切都是错误的，有些是错误的，有些是正确的，一切都是正确的。

在一个理想的世界中，我希望将列表分成几部分：一切都错了，一切都正确了。可以围绕某个比率/匹配值进行拆分的地方。

因此，SequenceMatcher不能帮我解决这个问题。我发现了文本距离，但是我对这种可能性不知所措，也许还有更多的可能性。出现错误的示例：

'Zeddam'和'Didam'的比率为0.72（不相等）。 “ Nes”和“ Nes gem dongeradeel”的比率为0.45（相等，第二个仅表示省份）

仅检查其中一个字符串是否为另一个字符串的子集并不能解决问题，因为在其他情况下它还会带来问题。

你们对哪种字符串比较算法合适以及为什么有建议？我正在比较数据框中的多列，大约有1000行。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）