模糊匹配——编辑距离

#JS宏 #编辑距离 #模糊匹配

创作者俱乐部成员

今天的问题是：对于互不包含的字符串，怎么进行模糊匹配：

广东美雅股份有限公司	康达尔A
海南珠江实业股份有限公司	琼珠江A
河南双汇实业股份有限公司	粤美雅
湖南正虹饲料股份有限公司	株州庆云
南宁糖业股份有限公司	正虹饲料
深圳康达尔(集团)股份有限公司	新希望
四川新希望农业股份有限公司	双汇实业
株洲庆云发展股份有限公司	南宁糖业

先在JS宏里，引入这个levenshtein编辑距离库：

https://github.com/gustf/js-levenshtein

然后在公式里，用编辑距离除以两个字符串长度之和，取这个商的最小值所对应的行

💡	=LET(a,MAP($A$1:$A$8,LAMBDA(x,lev(x,B1)/LEN(x&B1))),INDEX($A$1:$A$8,MATCH(MIN(a),a,0)))

这里除以两个字符串长度之和，还是有点粗糙，可以再用分词库将字符串分词、排序、去重之后，再计算编辑距离，可以针对不同情况进行优化。

例子写的比较粗糙，只是演示JS宏通过引入编辑距离库，可以进行比较准确的模糊匹配

2024-06-04 19:18:24 海南省

浏览 735

4

6

分享

6 +1

15

4 +1

全部评论 15

您好，我在使用 xloil 中遇到个问题，试了很多方法都无法解决，能麻烦帮忙看看是哪里的问题吗？我已经在您 EH 的帖子里求助了，如果有空帮看看吧，先谢谢您了

2024-06-10 13:00:19 · 北京

回复

您好，可以麻烦详细说一下怎么引入第三方库吗？我已经阅读了您之前的帖子https://bbs.wps.cn/topic/15559，js宏使用npm库解决排列组合问题，但还是不会，我该复制哪个文件的代码到js里呢？然后如何使用呢，小弟愚笨，还请指教

2024-06-06 03:30:41 · 山西省

回复

创作者俱乐部成员

是我没说清楚，代码在index.js里，如果熟悉js，可以用打包工具打一下包这里这个函数比较简单，可以手工修改一下【金山文档 | WPS云文档】编辑距离 https://kdocs.cn/l/cdnjAmi4Fnc0

2024-06-06 04:12:23 · 广东省

回复

查看更多评论

关于此问题，我是借助了楼主此前推荐的xloil库，用python自带的difflib库写了一个自定义函数，转换成xll，加载到wps，需要的时候随时可以使用

2024-06-06 02:33:38 · 山西省

1

回复

学习了。留用

2024-06-05 14:29:30 · 广东省

回复

=LAMBDA(ARR,X,LET(A,FIND(REGEXP(X,"."),ARR),B,BYROW(A,LAMBDA(Y,COUNT(Y))),XLOOKUP(MAX(B),B,ARR)))($A$1:$A$8,B1)

2024-06-05 08:10:13 · 江西省

1

回复

创作者俱乐部成员

确实，例子比较简单，统计搜到的次数就挺好了

编辑距离不仅考虑出现，也会考虑位置信息，算是通用性强一点的方法也有两个字符移动窗口查找计数的算法，那个更快最后选哪个还是得看具体的数据。。。

2024-06-05 10:06:20 · 海南省

回复

学习

2024-06-05 03:50:34 · 广东省

回复

创作者俱乐部成员

这个我有点错乱了，你B列的琼珠江A的琼是怎么来的。第三个岳美雅怎么没有A,第五个正宏饲料怎么不是湖南或者南宁。就是这一列的的匹配是以什么规则来的？

2024-06-05 00:53:40 · 湖北省

回复

创作者俱乐部成员

ab两列是待匹配的数据，c列是公式，计算a列每一项相对于b1的编辑距离，除以字符串长度和，商最小的哪一项简单说，b列相当于vlookup第一个参数，a列是第二参数查找的范围，然后用的是模糊匹配

2024-06-05 01:15:39 · 海南省

回复

查看更多评论

创作者俱乐部成员

帖子 118
回复 774
点赞 977