人的模糊匹配列表

Question

我試圖查看兩頁之間的電影是否相同，為此，我想將演員作為標准之一。 但是，演員通常在不同的頁面上以不同的方式列出。 例如：

• 在此頁面https://play.google.com/store/movies/details?id=cSdcb2KOH74上 ，演員被列出為“米哈伊爾·加盧斯蒂安，丹尼·特雷霍，吉列爾莫·迪亞茲，奧列格·塔克塔羅夫，凱姆·惠特利，克里斯托弗·羅賓·米勒，羅伯特熊，弗拉基米爾·雅格（Joseph McLerran）

• 一頁， http：//www.imdb.com/title/tt2167970/ ，演員是“伊萬·斯特布諾夫（Ivan Stebunov），英格麗（Ingrid Olerinskaya），弗拉基米爾·雅格（Vladimir Yaglych）”

以前，我在以下方面做過非常粗略的匹配：

if actors_from_site_1[0] == actors_from_site_2[0]

但是，從上述情況可以看出，這不是一個好方法。 看看一部電影中的演員是否與其他演員匹配的更好的技術是什么？

Answer 1

您可以檢查兩組參與者的集合交集的長度。

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

或者您可以執行以下操作：

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號分隔的演員名稱，請在逗號上將它們分開，小寫名稱，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

嘗試：

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

然后，您將similaractors的演員作為他們共享的所有演員的列表。 調用len(similaractors)以獲得相似角色的數量，然后可以print(similaractors)相似角色print(similaractors)並執行列表可能要做的所有其他事情。