人的模糊匹配列表

Question

我试图查看两页之间的电影是否相同，为此，我想将演员作为标准之一。 但是，演员通常在不同的页面上以不同的方式列出。 例如：

• 在此页面https://play.google.com/store/movies/details?id=cSdcb2KOH74上 ，演员被列出为“米哈伊尔·加卢斯蒂安，丹尼·特雷霍，吉列尔莫·迪亚兹，奥列格·塔克塔罗夫，凯姆·惠特利，克里斯托弗·罗宾·米勒，罗伯特熊，弗拉基米尔·雅格（Joseph McLerran）

• 一页， http：//www.imdb.com/title/tt2167970/ ，演员是“伊万·斯特布诺夫（Ivan Stebunov），英格丽（Ingrid Olerinskaya），弗拉基米尔·雅格（Vladimir Yaglych）”

以前，我在以下方面做过非常粗略的匹配：

if actors_from_site_1[0] == actors_from_site_2[0]

但是，从上述情况可以看出，这不是一个好方法。 看看一部电影中的演员是否与其他演员匹配的更好的技术是什么？

Answer 1

您可以检查两组参与者的集合交集的长度。

if len(set(actors_from_site_1).intersection(set(actors_from_site_2))):

或者您可以执行以下操作：

if any(actor in actors_from_site_1 for actor in actors_from_site_2):

Answer 2

如果所有列表都是用逗号分隔的演员名称，请在逗号上将它们分开，小写名称，然后得到交集：

actors_from_site_1 = set(actors_from_site_1.lower().split(','))
actors_from_site_2 = set(actors_from_site_2.lower().split(','))

common_actors = actors_from_site_1 & actors_from_site_2

Answer 3

尝试：

similaractors = []
for actor in actors_from_site_1:
    if actor in actors_from_site_2:
        similaractors.append(actor)

然后，您将similaractors的演员作为他们共享的所有演员的列表。 调用len(similaractors)以获得相似角色的数量，然后可以print(similaractors)相似角色print(similaractors)并执行列表可能要做的所有其他事情。