我如何在python中比较这两个字符串？

Question

在抓取RSS Feed时，我不希望将重复项添加到我的列表中。 问题是我的if title not in mylist行中检测到一些重复项，因为它们略有不同。 尽管如此，这两个新闻项目基本相同。 看看这两个。

"Kom igjen, norsk ungdom, de eldre trenger oss!" 和
"Kom igjen norsk ungdom, de eldre trenger oss"

如你所见，第一个在Kom igjen之后有逗号，而第二个没有，并且在结尾有一个感叹号。

由于没有其他唯一ID使单个项目唯一，我不知道如何检测上述重复项。

Answer 1

Python有一个SequenceMatcher内置：

from difflib import SequenceMatcher
SequenceMatcher(None, "Hello you!", "Hello you").ratio()
0.9473684210526315
SequenceMatcher(None, "Apple", "Orange").ratio()
0.18181818181818182

因此，您可以循环所有并将比率与某个阈值进行比较。

Answer 2

在将新闻添加到列表中以删除标点符号之前，您可以使用str.translate方法：

>>> s1.translate(None, string.punctuation)
'Kom igjen norsk ungdom de eldre trenger oss'

在这种情况下，您将根据他们的字母对比您的文本。

在python 3中，您可以：

>>> s1.translate(dict.fromkeys(map(ord,string.punctuation),None))
'Kom igjen norsk ungdom de eldre trenger oss'