Материал подготовлен командой Simple-Server для администраторов VPS и выделенных серверов. Команды и пути проверяйте на тестовой машине перед production.
Кратко о задаче
Чтобы выполнить в Python сравнение строк на похожесть,**** используют операторы == (равно) и != (не равно).
Оператор == вернёт True в том случае, если строки совпадают, и False — если они не совпадают. Оператор != работает наоборот: он возвращает True, если значения отличаются.
В качестве примера сравните название хостера. Выполните следующий код:
hoster = 'cloud'
print(hoster == 'cloud')
print(hoster != 'cloud')В первом случае вы получите ответ True, во втором — False.
Теперь попробуйте изменить значение переменной. Напишите название с большой буквы, а при сравнении используйте название с маленькой буквы:
hoster = 'Cloud'
print(hoster == 'cloud')
print(hoster != 'cloud')Результат будет противоположный. Первый print() вернёт False, а второй – True. Всё потому, что 'Cloud' != 'cloud'.
Чтобы понять, как здесь сработало**** сравнение символов в строке Python,**** используйте функцию ord(). Она показывает значение Unicode, переданное в качестве аргумента символа.
В ответ вы получите число 67. Это значение Unicode большой буквы 'C'.
Затем проделайте то же самое с маленькой буквой:
В ответ вы получите число 99.
Разница в значениях Unicode в посимвольном сравнении строк на Python очень важна. Например, вы хотите создать квиз. Пользователь должен вводить ответы на вопросы в поля формы. Задача программы — обработать полученные ответы и сравнить их с данными, которые хранятся в базе. Если ответ совпадает, пользователь получает 1 балл.
В нашем примере сравнение останавливается после проверки первых символов. Интерпретатор Python видит, что в последовательности Unicode буква ‘С’ встречается раньше, чем буква ‘с’. Значит, строка, которая начинается с неё, будет меньше.
Пользователи могут вводить одни и те же слова по-разному — писать с маленькой буквы, с большой, через Caps Lock. Хранить подходящие значения нереально. И не нужно. Гораздо проще приводить всё к единому виду. Например, с помощью метода lower().
Проверьте, как выполнится в Python сравнение строк без учёта регистра:
hoster1 = 'Cloud'
hoster2 = 'cloud'
print(hoster1 == hoster2)Вернётся False, потому что значения разные.
hoster1 = 'Cloud'
hoster2 = 'cloud'
print(hoster1.lower() == hoster2.lower())Вернётся True. Метод lower() приводит все символы к нижнему регистру. Теперь не имеет значения, в каком виде передана строка. Программа приведет ее к заданному вами стандарту и сравнит с тем ответом, который хранится в базе данных.
Сравнение двух строк Python можно выполнить не только на равенство, но и на больше или меньше. Возьмём тот же пример, но используем другие операторы.
hoster1 = 'Cloud'
hoster2 = 'cloud'
print(hoster1 > hoster2)вернёт False, потому что значение Unicode у буквы ‘С’ меньше, чем у ‘с’ — 67 против 99. Если же поменять оператор:
hoster1 = 'Cloud'
hoster2 = 'cloud'
print(hoster1 < hoster2)то вернётся True. Так работает лексикографическое сравнение строк на Python**** —**** каждый символ в одной строке по очереди сравнивается с символом в другой строке.
В Python всё — это объект. Строки не исключение. Поэтому их можно сравнивать не только по фактическому значению, но и по идентификатору экземпляра объекта.
Проще разобраться на примере. Задайте две переменные с одинаковым значением. Пусть это тоже будет название хостера.
hoster1 = cloud’
hoster2 = ‘cloud’Напишите короткую программу, которая будет сравнивать фактические значения обеих строк и печатать в ответ, совпадают они или нет.
if hoster1 == hoster2:
print(‘Это один и тот же хостер’)
else:
print(‘Это разные хостеры’)В ответ вы получите, что это один и тот же хостер. Здесь всё логично, фактические значения у переменных одинаковые.
Теперь проверьте, одинаковые ли идентификаторы у обоих экземпляров объекта. Используйте для этого оператор ‘is’. Если обе переменные указывают на один объект, он возвращает True. В противном случае — False.
Проблема в том, что даже если строки имеют одинаковое значение, в ответ вы можете получить False, потому что переменные указывают на разные экземпляры объекта.
Чтобы оптимизировать работу со строками, Python выполняет интернирование. Суть метода проста. Для некоторых неизменяемых объектов в памяти хранится только один экземпляр. Когда вы пишете в двух или более переменных одинаковые значения, они обычно ссылаются на одну ячейку памяти. Поэтому в некоторых случаях оператор is возвращает True.
Но важно помнить об одной особенности. Интернирование происходит до выполнения кода. Поэтому, например, такая программа вернёт False:
hoster1 = 'cloud'
hoster2 = 'cl'
print(hoster1, 'и', hoster2 + 'oud', 'это один и тот же хостер:', hoster1 is hoster2)
#Output:
cloud и cloud это один и тот же хостер: FalseЗдесь вы изначально задали переменным разные значения. Поэтому они стали ссылаться на разные экземпляры объекта.
Чтобы избежать проблем в больших программах, при сравнении по идентификаторам необходимо явно интернировать строки. Для этого в Python используется метод intern.
import sys
a = sys.intern(‘string’)
b = sys.intern(‘string’)
a is b
TrueВозможно, вы никогда не встретитесь с необходимостью сравнивать строки по ссылкам. Но если вдруг такая задача попадётся, теперь вы знаете, как решить её и обезопасить себя от неверных результатов.
Допустим, вы хотите сделать программу с парсером и RSS, которая будет собирать новости из разных источников. Чтобы новости не дублировались, нужно сравнивать заголовки. Делать это посимвольно бессмысленно — каждое новостное агентство придумывает свой заголовок. Здесь на помощь приходит нечёткое сравнение.
Нечёткое сравнение строк на Python**** реализовано в библиотеке thefuzz. Алгоритм сравнения основан на расстоянии Левенштейна, которое показывает разность между двумя последовательностями символов.
Установите библиотеки thefuzz и python-Levenshtein:
pip install thefuzz
pip install python-LevenshteinИмпортируйте библиотеку в файл:
from thefuzz import fuzz as fВыполните простое сравнение:
f.ratio(‘Хостер Cloud’, ‘Cloud хостер’)Максимально возможный результат— 100. Вы увидите его, если передадите идентичные значения.
Библиотеку thefuzz также можно использовать для поиска подстрок без регулярных выражений. Например:
from thefuzz import fuzz as f
f.partial_ratio(‘Здесь будем искать упоминание Cloud’, ‘Cloud’)В ответ вы получите 100 — подстрока встречается точно в таком виде.
Ещё один мощный метод — WRatio. Он обрабатывает разные регистры, а также знаки препинания и некоторые другие параметры. Например, такое сравнение:
f.WRatio(‘Хостер Компания CLOUD!!!’, ‘КоМпАнИя,,, ClouD Хостер’)вернёт совпадение 95 из 100.
Нужен сервер для практики? Арендуйте VPS/VDS в России — root-доступ, NVMe, DDoS-защита и поддержка 24/7.