He creado una gran base de datos de bancos en MongoDB. Puedo tomar esta información fácilmente y crear índices con ella en whoosh. Por ejemplo, me gustaría poder hacer coincidir los nombres de los bancos 'Eagle Bank & Trust Co of Missouri' y 'Eagle Bank and Trust Company of Missouri'. El siguiente código funciona con una simple difusa tal, pero no puede alcanzar un partido en lo anterior:Fuzzy String Buscando con Whoosh en Python
from whoosh.index import create_in
from whoosh.fields import *
schema = Schema(name=TEXT(stored=True))
ix = create_in("indexdir", schema)
writer = ix.writer()
test_items = [u"Eagle Bank and Trust Company of Missouri"]
writer.add_document(name=item)
writer.commit()
from whoosh.qparser import QueryParser
from whoosh.query import FuzzyTerm
with ix.searcher() as s:
qp = QueryParser("name", schema=ix.schema, termclass=FuzzyTerm)
q = qp.parse(u"Eagle Bank & Trust Co of Missouri")
results = s.search(q)
print results
me da:
<Top 0 Results for And([FuzzyTerm('name', u'eagle', boost=1.000000, minsimilarity=0.500000, prefixlength=1), FuzzyTerm('name', u'bank', boost=1.000000, minsimilarity=0.500000, prefixlength=1), FuzzyTerm('name', u'trust', boost=1.000000, minsimilarity=0.500000, prefixlength=1), FuzzyTerm('name', u'co', boost=1.000000, minsimilarity=0.500000, prefixlength=1), FuzzyTerm('name', u'missouri', boost=1.000000, minsimilarity=0.500000, prefixlength=1)]) runtime=0.00166392326355>
¿Es posible lograr lo que quiero con Whoosh? Si no, ¿qué otras soluciones basadas en Python tengo?
bonito, gracias – cedbeu