Python：如何從txt文件中找到最匹配的句子

Question

我想輸出txt文件中是否存在任何類似的句子

例：
如果.txt文件包含

1。 我們太陽系最大的星球是什么？
2。 如何泡茶？
3。 我們太陽系中哪個星球最大？

在這種情況下，它應導致：
3。 我們太陽系中哪個星球最大？

基本上，應該比較文件行中是否有超過4個或5個單詞相似

Answer 1

我同意約翰·科爾曼的建議。 difflib可以幫助您找到兩個字符串之間的相似性度量。 這是一種可能的方法：

from difflib import SequenceMatcher

sentences = []
with open('./bp.txt', 'r') as f:
    for line in f:
        # only consider lines that have numbers at the beginning
        if line.split('.')[0].isdigit():
            sentences.append(line.split('\n')[0])
max_prob = 0
similar_sentence = None
length = len(sentences)
for i in range(length):
    for j in range(i+1,length):
        match_ratio = SequenceMatcher(None, sentences[i], sentences[j]).ratio()
        if  match_ratio > max_prob:
            max_prob = match_ratio
            similar_sentence = sentences[j]
if similar_sentence is not None:
    print(similar_sentence)