2 个不稳定版本

0.2.2 2023年12月7日
0.1.0 2020年11月29日

850 in 文本处理

MIT 许可证

16KB
249

group-similar

允许根据 Jaro-Winkler 距离 对值进行分组的 Crate。

许可证

版权所有 2020 Josh Clayton。请参阅 LICENSE


lib.rs:

此 Crate 通过 Jaro-Winkler 距离完全连接聚类 实现基于字符串相似度的分组。

示例:根据商家名称识别可能的重复商家

use group_similar::{Config, Threshold, group_similar};

#[derive(Eq, PartialEq, std::hash::Hash, Debug, Ord, PartialOrd)]
struct Merchant {
  id: usize,
  name: String
}


impl std::fmt::Display for Merchant {
    fn fmt(&self, f: &mut std::fmt::Formatter) -> std::fmt::Result {
        write!(f, "{}", self.name)
    }
}

impl AsRef<str> for Merchant {
    fn as_ref(&self) -> &str {
        &self.name
    }
}

let merchants = vec![
    Merchant {
        id: 1,
        name: "McDonalds 105109".to_string()
    },
    Merchant {
        id: 2,
        name: "McDonalds 105110".to_string()
    },
    Merchant {
        id: 3,
        name: "Target ID1244".to_string()
    },
    Merchant {
        id: 4,
        name: "Target ID125".to_string()
    },
    Merchant {
        id: 5,
        name: "Amazon.com TID120159120".to_string()
    },
    Merchant {
        id: 6,
        name: "Target".to_string()
    },
    Merchant {
        id: 7,
        name: "Target.com".to_string()
    },
];

let config = Config::jaro_winkler(Threshold::default());
let results = group_similar(&merchants, &config);

assert_eq!(results.get(&merchants[0]), Some(&vec![&merchants[1]]));
assert_eq!(results.get(&merchants[2]), Some(&vec![&merchants[3], &merchants[5], &merchants[6]]));
assert_eq!(results.get(&merchants[4]), Some(&vec![]));

依赖项

~5–17MB
~166K SLoC