如何在名稱列表和電子郵件地址列表中匹配名稱和電子郵件地址？

Question

給定一些人的名字和幾封電子郵件（名稱的數量不少於電子郵件的數量），我想將名稱與電子郵件匹配。 我假設每個名字最多只有一封電子郵件是他/她的真實郵件，並且每封電子郵件都必須是一個只有一個給定人員的真實電子郵件。

例如，給定名稱John Smith，Jennifer Lopez，Michael Jordan以及電子郵件johns @ email.com，jlopez @ xyz.com。 我想將John Smith與johns@email.com相關聯，將Jennifer Lopez與jlopez@xyz.com相關聯，將Michael Jordan無關。

請注意，一個人的電子郵件可能與名字有些相關，但是匹配可能非常模糊。 例如，John Smith可能具有以下任何電子郵件地址。

• jsmith@email.com
• johns@email.com
• johnsmith@email.com
• john.smith@email.com
• smithjohn@email.com
• smithj@email.com
• sjohn@email.com
• johnsmith000@email.com

似乎需要編寫一些規則來解密電子郵件地址和人名，以執行模糊匹配。 有人在python中如何執行示例代碼嗎？

Answer 1

我同意bjkistad的意見，也許有更好的地方提出這個問題，但是話雖這么說，天真的實現是使用Levenshtein差異 。

我將Levenshtein差異函數的實現留給學生作為練習...（您可以在互聯網上找到許多實現。

def levenshtein(a, b):
    pass

human_name = 'John Smith'
addresses = ['jsmith@email.com', 'johns@email.com',
             'johnsmith@email.com', 'john.smith@email.com',
             'smithjohn@email.com', 'smithj@email.com',
             'sjohn@email.com', 'johnsmith000@email.com']
name_parts = [address.split('@')[0] for address in addresses]
lev_diff = [levenshtein(ename, human_name) for ename in name_parts]
index, score = min(enumerate(lev_name), key=operator.itemgetter(1))
best_match addresses[index]

print "The best match %s has the score %d" % (best_match, score)

#OUTPUT:
# The best match johnsmith@email.com has the score 3

正如我所說的那樣，這是一個非常幼稚的版本，有更好的模式匹配算法和庫...只要問Google。