ich habe hier einmal die 'Kölner Phonetik' implementiert.
feedback zum code nehme ich gern entgegen!
Code: Alles auswählen
# -*- coding: iso-8859-15 -*-
"""
Dieses Modul stellt eine Implementation
der 'Kölner Phonetik' dar.
Beispiele zur Verwendung:
>>> encode("Moritz Müller")
'678657'
>>> encode("Moriz Müler")
'678657'
>>> encode("Laura Mayer")
'5767'
>>> encode("Laura Meier")
'5767'
"""
import re
RULETABLE = {re.compile(r".[A|E|I|J|O|U|Y|Ä|Ö|Ü].", re.I): "0",
re.compile(r".[B].", re.I): "1",
re.compile(r".[P][^H]", re.I): "1",
re.compile(r".[D|T][^C|S|Z]", re.I): "2",
re.compile(r".[F|V|W].", re.I): "3",
re.compile(r"[P][H].", re.I): "3",
re.compile(r".[G|K|Q].", re.I): "4",
re.compile(r"[\b][C][A|H|K|L|O|Q]", re.I): "4",
re.compile(r"[^S|Z][C][A|H|K|O|Q|U|X]", re.I): "4",
re.compile(r"[^C|K|Q][X].", re.I): "48",
re.compile(r".[L].", re.I): "5",
re.compile(r".[M|N].", re.I): "6",
re.compile(r".[R].", re.I): "7",
re.compile(r".[S|Z|ß].", re.I): "8",
re.compile(r"[S|Z][C].", re.I): "8",
re.compile(r"\b[C][^A|H|K|L|O|Q|R|U|X]", re.I): "8",
re.compile(r".[C][^A|H|K|O|Q|U|X]", re.I): "8",
re.compile(r".[D|T][C|S|Z]", re.I): "8",
re.compile(r"[C|K|Q][X].", re.I): "8"
}
def encode(inputstring):
"""
encode(string) -> string
Gibt den phonetischen Code des übergebenen Strings zurück.
"""
encoded = ""
for i in xrange(len(inputstring)):
part = inputstring[i - 1:i + 2]
if len(inputstring) == 1:
part = " %s " % inputstring[0]
elif i == 0:
part = " %s" % inputstring[:2]
elif i == len(inputstring) - 1:
part = "%s " % inputstring[i - 1:]
for rule, code in RULETABLE.iteritems():
if rule.match(part):
encoded += code
break
while [v for v in RULETABLE.itervalues() if encoded.find(v * 2) != -1]:
for v in RULETABLE.itervalues():
encoded = encoded.replace(v * 2, v)
if encoded:
encoded = encoded[0] + encoded[1:].replace("0", "")
return encodedroschi
Ich versuche gerade einen Fehlertolerantes Matching von Namen aus 2 Datenquellen zu implemetieren. Erst hab ich es nur mit der Levenshtein-Distanz versucht, jetzt versuche ich die Kölner Phonetik mit dieser zu kombinieren. Also die Levenshtein-Distanz nach Umwandlung in Kölner Phonetik. Die Ergebnisse sind noch nicht wirklich besser. Vielleicht ne Idee das besser zu bewerten?
