Python 刷英语六级段落匹配仅需 3 秒？
作者 | 叶庭云
来源 | AI庭云君
一、前言
一年二度的四六级考试就此落下帷幕，本次考试体验感极强，反手就是一个 "五星好评"
本文利用 Python 的模糊匹配方法来刷英语六级段落匹配，仅需要3秒！Python的 FuzzyWuzzy 库，是一个易用而又强大的模糊字符串匹配工具包。它依据 Levenshtein Distance 算法，计算两个序列之间的差异。Levenshtein Distance算法，又叫 Edit Distance 算法，是指两个字符串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。一般来说，编辑距离越小，两个串的相似度越大。
后面的编程都是在 jupyter notebook 环境中，安装 FuzzyWuzzy 库如下所示：
pip install fuzzywuzzy -i http://pypi.douban.com/simple --trusted-host pypi.douban.com二、fuzz模块
导入方法，直接导入这个模块的话，系统会提示UserWarning，这不代表报错，程序依旧可以运行（使用的默认算法，执行速度较慢），可以按照系统的提示安装 python-Levenshtein 库进行辅助，这有利于提高计算的速度。
1. 简单匹配
这个其实不怎么精确，也不常用，测试如下：
2. 部分匹配（Partial Ratio）
尽量使用部分匹配，精度较高！测试如下：
可以发现，fuzz.partial_ratio（S1, S2）部分匹配，如果 S2 是 S1 的子串依然返回100
3. 忽略顺序匹配（Token Sort Ratio）
原理：以 空格 为分隔符，小写化所有字母，无视空格外的其它标点符号，测试如下：
fuzz.token_sort_ratio（S1，S2）比较S1，S2单词是否相同，不考虑词语之间的顺序。
4. 去重子集匹配（Token Set Ratio）
相当于比对之前有一个集合去重的过程，注意最后两个，可理解为该方法是在 token_sort_ratio 方法的基础上添加了集合去重的功能，下面三个匹配的都是倒序。
fuzz的这几个 ratio 函数最后得到的结果都是匹配数值，如果需要获得匹配度最高的字符串结果，还需要依旧自己的数据类型选择不同的函数，然后再进行结果提取，如果但看文本数据的匹配程度使用这种方式是可以量化的，但是对于我们要提取匹配的结果来说就不是很方便了，因此就有了 process 模块。
三、process模块
用于处理备选答案有限的情况，返回模糊匹配的字符串和相似度。测试如下：
四、实践
实践当然就是利用 fuzz 模块来刷英语六级段落匹配，看看结果怎么样！！
知乎找到一个网址可以下载六级真题PDF：
https://pan.uvooc.com/Learn/CET/
它的 PDF 直接编辑不了，貌似是扫描的。这里我们用 Adobe Acrobat Pro DC 识别后，将阅读材料和要匹配的选项直接复制粘贴到 txt 里面。
顺便说一下：利用 Adobe Acrobat Pro DC 裁剪页面提取 PDF 里的矢量图保存下来，图像放大不会失真，你直接截图的话，放大肯定会失真的。
读取 txt 数据，组织成字典：
with open("Englishreading.txt", "r", encoding="utf-8") as f1:con1 = f1.read().split("\n")
dic1 = {}
for i in con1:data = i.split(":")dic1[data[0]] = data[1]print(dic1)with open("match.txt", "r") as f2:con2 = f2.read().split("\n")dic2 = {}
for i in con2:data = i.split(":")dic2[data[0]] = data[1]
print(dic2)先简单测试一个，比如一个是匹配F，如下所示：
test_str = "Marconi was central to our present-day understanding of communication."
# test_str = "As an adult, Marconi had an intuition that he had to be loyal to politicians in order to be influential."
big_lst = []
for k, v in dic1.items():sentence = [x.strip(" ") for x in v.split(".")]scores = []for a in sentence:score = fuzz.partial_ratio(a, test_str)scores.append(score)# print(scores, sum(scores), round(sum(scores) / len(scores), 2))k_score = sum(scores) * 0.2 + sum(scores) / len(scores)big_lst.append((k, scores, round(k_score, 2)))results = sorted(big_lst, key=lambda x: x[2], reverse=True)
print(results)
print(results[0][0])
得到答案也是 F，我们的算法做对了！最后刷整个英语六级段落匹配（10个题），结果如下：
# -*- coding: UTF-8 -*-
"""
@Author ：叶庭云
@公众号 ：AI庭云君
@CSDN ：https://yetingyun.blog.csdn.net/
"""
answers = []
for idx, ans in dic2.items():big_lst = []for k, v in dic1.items():sentence = [x.strip(" ") for x in v.split(".")]scores = []for a in sentence:# score = fuzz.token_sort_ratio(a, ans)score = fuzz.partial_ratio(a, ans)if score > 30:scores.append(score)scores.sort()if len(scores) >= 2:max_ = max(scores) + scores[-2]else:max_ = max(scores)big_lst.append((k, max_, scores))results = sorted(big_lst, key=lambda x: x[1], reverse=True)print(results)print("-" * 66)answers.append(results[0][0])print("answer：", answers)
感兴趣的读者后面可以自行动手实践呀，看看能对多少个。
往
期
回
顾
资讯
OpenAI开放GPT-3微调功能
技术
LTSM实现多元素时序数据预测
资讯
380万播放量，机器学习视频
技术
从深度学习到深度森林方法
分享
点收藏
点点赞
点在看
相关文章：
在自己的网站添加关注新浪关注按钮
有2种方法 第一种是参照新浪开发平台的API 地址如下： http://open.weibo.com/widget/followbutton.php 第二种是在html页面引入一段js <iframe allowtransparency"" border"0" frameborder"0" height"22" marginheight…
pandas中DataFrame的ix，loc，iloc索引方式的异同
pandas中DataFrame的ix，loc，iloc索引方式的异同 1、loc: 按照标签索引，范围包括start和end 2、iloc： 在位置上进行索引，不包括end 3、ix: 先在index上索引，索引不到就在index的位置上进行索引(如果index非全…
Linux crontab 命令格式
基本格式 :* * * * * command分 时 日 月 周 命令 第1列表示分钟1～59 每分钟用*或者 */1表示第2列表示小时1～23（0表示0点）第3列表示日期1～31第4列表示月份1～12第5列标识号星期0&#x…
5分钟学会打游戏的活体人脑细胞，比 AI 学习速度更快
整理 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 在人工智能研究领域，最有前景的途径之一是尝试让软件模拟人脑的工作方式。 在两年前就有媒体报道称，澳大利亚生物科技初创公司 Cortical Labs 正致力于把真正的生物神经元嵌入到…
如何进行屏幕录制？
为什么80%的码农都做不了架构师？>>> 推荐的软件 屏幕录像专家选择avi输出，编码选择x264或者xvid total video converter将 avi格式转为mp4 优酷客户端也可以将 avi格式转为mp4。 狸窝全能视频转换器也可以将 avi格式转为mp4。 我使用格式工厂…
如何用ABAP代码读取CDS view association的数据
我有如下一个CDS view, 这个view的数据来自CRMD_ORDERADM_H, 定义了一个名称为_statushelp的association, 指向了另一个CDS view Z_C_Status_Valuehelp.该view暴露了两个字段STATUS_KEY和STATUS_TEXT. 现在我的需求是：在ABAP代码里只需要一次读操作，既能…
linux Crontab 使用
cron用法说明cron的用法老是记不住，索性写下来备忘。下文内容大部分是根据《Cron Help Guide》翻译而来，有些部分是自己加上的。全文如下：cron来源于希腊单词chronos（意为“时间”），是linux系统下一个自动执…
iOS开发之圆角指定
如果需要将UIView的4个角全部都为圆角，做法相当简单，只需设置其Layer的cornerRadius属性即可（项目需要使用QuartzCore框架）。而若要指定某几个角（小于4）为圆角而别的不变时，这种方法就不好用了。…
网友抱怨：「苹果除了每年收我的钱，似乎什么都不想做」
整理 | 郑丽媛出品 | CSDN（ID：CSDNnews）一直以来，苹果的开发者账号都贵得众所周知。不仅每年都要续费，一年费用甚至比微软和 Google 开发者账号的一次性收费还高：微软 MicroSoft Developer 账号&#x…
PHP最简单写文件记日志当前时间
定义和用法 fopen() 函数打开文件或者 URL。 如果打开失败，本函数返回 FALSE。 语法 fopen(filename,mode,include_path,context)参数描述filename必需。规定要打开的文件或 URL。mode必需。规定要求到该文件/流的访问类型。可能的值见下表。include_path可选。如果…
【MySQL笔记】mysql来源安装/配置步骤和支持中国gbk/gb2312编码配置
不久的学习笔记。分享。我想有很大的帮助谁刚开始学习其他人的 备注：该票据于mysql-5.1.73版本号例如 1. mysql源代码编译/安装步骤 1) 官网下载mysql源代码并解压 2) cd至源代码文件夹。运行 ./configure --prefix/home/slvher/tools/mysql-5.1.73 --with-charset…
预告｜开源操作系统年度技术会议
本次会议的主会场设在麒麟软件（北京），由于疫情原因，为尽量减少讲师和参会人员因疫情带来的出行不便，我们同时在北京、上海和深圳设置三个线下交流的分会场。 有部分讲师和圈内大咖将会在三个分会场与大家面对面交流&a…
“智享未来 知行合一”，开为科技AI产品发布会于2月6日召开
届时，开为科技将展示系列装有自研人脸识别算法的人工智能硬件产品，包括人证比对一体机、人脸识别双面闸机、人脸访客广告机等。 过去一年，人工智能的新闻铺天盖地，发展速度之快让人目不暇接，各大巨头纷纷布局…
linux下history（历史）命令用法详解
如果你经常使用 Linux 命令行，那么使用 history（历史）命令可以有效地提升你的效率。本文将通过实例的方式向你介绍 history 命令的15个用法。1. 使用 HISTTIMEFORMAT 显示时间戳当你从命令行执行 history 命令后，通常只会显示已执…
js获取当前页面的URL信息
2019独角兽企业重金招聘Python工程师标准>>> window.location属性 描述 hash 设置或获取 href 属性中在井号“#”后面的分段。 host 设置或获取 location 或 URL 的 hostname 和 port 号码。 hostname 设置或获取 location 或 URL 的主机名称部分。 href 设置或获取…
超前探秘首个国产元宇宙百度“希壤”：率先实现10万人同屏互动
12月21日，百度发布的首个国产元宇宙产品“希壤”正式开放定向内测，用户凭邀请码可以进入希壤空间进行超前体验。百度方面表示，12月27日“希壤”将面向所有用户开放，届时百度Create 2021（百度AI开发者大会）将…
什么是跨域？怎么解决跨域问题？
什么是跨域？ 跨域，指的是浏览器不能执行其他网站的脚本。它是由浏览器的同源策略造成的，是浏览器施加的安全限制。 所谓同源是指，域名，协议，端口均相同，不明白没关系，举个栗子&#…
mysql 使用位运算
如果你不知道什么是位运算的话， 那么请你先去看看基础的C语言教程吧。 与运算 a & b , 或运算 a | b , 异或运算 a ^ b ,或者 你也可以将 与运算理解为 法 例如 1|2 3 （12 3） 1|2|4 7 （124 7）将 异…
轻松抓鸡蛋、剪纸、夹芯片，这只“机械爪”堪比人手！
作者 | 学术头条来源 | 学术头条如果机器手能执行与人手一样的功能，那在执行任务时就可拥有高度的灵活性。然而，在保持人手般灵巧度和抓握力等重要功能的同时，开发无需额外驱动部件的集成机器手是一项挑战。因为驱动部件使得这些机器手很难集…
Js_Span 滑动手型鼠标样式
<span style"cursor: pointer;">搜索</span> 为了可以更灵活控制. 使用span布局 加上滑动手型鼠标样式. 配合JS各种自定义按钮样式. ZhLingF W转载于:https://www.cnblogs.com/may26/p/4689219.html
No.6 PHP的基本配置与优化
PHP下载http://www.php.net/downloads.php安装yum -y install libxml2-devel libcurl-devel libjpeg-devel libpng-devel freetype-devel libxslt-devel gcc gcc-copenssl-develtar xf php-7.2.3.tar.bz2 -C /tmp./configure --prefix/usr/local/php --with-curl --with-freety…
php连接Mysql
<?php echo "This is a test</br>"; echo "asdfasdfadsf"; $mysql_server_name"localhost:3306"; //数据库服务器名称 $mysql_username"root"; // 连接数据库用户名 $mysql_password"rootpass"; // 连…
谁是 2021「IT 圈」年度 C 位？快来报名，彰显你的影响力！
2021年，数字化转型正磅礴兴起，大批传统企业正在拥抱数字化，云计算、大数据、AI、5G应用能力正在变成企业的核心竞争力；核心技术正在崛起，在操作系统、数据库，依靠开源的力量，众多开发者背后的行…
为什么Scrum模式适合软件开发？
2019独角兽企业重金招聘Python工程师标准>>> 摘自基于Visual Studio 2010 进行敏捷/Scrum模式开发 软件行业至今已经有超过40年的历史，很多在软件工程中的管理方法都是在不断摸索中改进而来的。早期的软件行业由于规模有限，绝大多数属于作坊型…
一分钟了解 TCP/IP 模型
原文讲的不是特别细，为了便于理解，我颠倒了顺序。写在开始 我们需要知道协议到底是什么。 在网络上，一个协议对应于管理系统之间如何相互通信的规则。然后我们需要知道什么是协议族。 一个协议族是一系列协同工作的协议的集合。什么是 TCP/IP…
网站流量UV是什么意思?什么是流量UV/PV/IP
雅虎统计基础数据定义PV(访问量)： 即Page View, 即页面浏览量或点击量，用户每次刷新即被计算一次。 UV(独立访客)： 即Unique Visitor,访问您网站的一台电脑客户端为一个访客。00:00-24:00内相同的客户端只被计算一次。IP(独立IP)…
摇橹船以“硬科技+人工智能”助推高质量发展
12月13日和14日，2021雷克大会暨智能经济年会在线上成功举办，大会得到了专业观众和行业媒体的广泛关注，全网累计数万人次在线观看直播。 本届大会聚焦产业智能化、智能基础设施、智能产业化和机器人产业发展助力智能经济等议题。专家学者和企…
一句话的设计模式(转)
如题，实际上，我想这是很困难的。 除非——只是为了给自己做一个提醒，能够看一眼就快速回想起该设计模式的种种记忆。 下列是我之前在学习《大话设计模式》时做的笔记总结，当中有部分措辞来自其作者程杰。（非常感谢他为…
高性能ORM框架XLinq功能详细介绍
之前简单介绍了XLinq的一些功能，有很多功能都没有提到，现在给XLinq加了一些功能，这次把所有功能都介绍一遍。 设计目标 易用性 在使用一个框架的时候 应该没几个人会喜欢写一大堆的配置文件吧 也应该没几个人会喜欢为了完成一个小功能却需要写…
太好玩了，爬虫、部署API、加小程序，一条龙玩转知乎热榜！
作者 | 周萝卜来源 | 萝卜大杂烩一直想做一个从爬虫到数据处理，到API部署，再到小程序展示的一条龙项目，最近抽了些时间，实现了一个关于知乎热榜的，今天就来分享一下！数据爬取首先我们看下需要爬取的知乎热榜…