python实现Levenshtein算法从excel表里面读取与关键字相似的名称全部方法

以下是Python实现Levenshtein算法从Excel表里面读取与关键字相似的名称的全部方法：

1. 使用pandas库读取Excel表格，并使用Levenshtein模块计算字符串相似度。

import pandas as pd
import Levenshtein

# 读取Excel表格
df = pd.read_excel('data.xlsx')

# 定义关键字
keyword = 'apple'

# 遍历Excel表格中的每个名称，计算与关键字的相似度
for name in df['name']:
    similarity = Levenshtein.ratio(keyword, name)
    if similarity > 0.8:   # 相似度阈值为0.8，可根据实际需求调整
        print(name)

2. 使用xlrd库读取Excel表格，并使用Levenshtein模块计算字符串相似度。

import xlrd
import Levenshtein

# 读取Excel表格
workbook = xlrd.open_workbook('data.xlsx')
sheet = workbook.sheet_by_index(0)

# 定义关键字
keyword = 'apple'

# 遍历Excel表格中的每个名称，计算与关键字的相似度
for i in range(1, sheet.nrows):
    name = sheet.cell_value(i, 0)
    similarity = Levenshtein.ratio(keyword, name)
    if similarity > 0.8:   # 相似度阈值为0.8，可根据实际需求调整
        print(name)

3. 使用openpyxl库读取Excel表格，并使用Levenshtein模块计算字符串相似度。

import openpyxl
import Levenshtein

# 读取Excel表格
workbook = openpyxl.load_workbook('data.xlsx')
sheet = workbook.active

# 定义关键字
keyword = 'apple'

# 遍历Excel表格中的每个名称，计算与关键字的相似度
for row in sheet.iter_rows(min_row=2, values_only=True):
    name = row[0]
    similarity = Levenshtein.ratio(keyword, name)
    if similarity > 0.8:   # 相似度阈值为0.8，可根据实际需求调整
        print(name)

需要注意的是，以上三种方法都需要安装Levenshtein模块，可以使用以下命令安装：

pip install python-Levenshtein