利用模糊匹配处理API数据中的名称拼写变体

import requests
import json
import re

# 这种尝试通常不会奏效，因为API通常不直接支持正则表达式作为参数值
candidate_regex = r'J.*n Smith'
# pattern = re.compile(candidate_regex) # 编译的正则表达式对象无法直接作为URL参数值

payee_parameter_incorrect = {
    "contribution_payee": candidate_regex, # API通常无法理解这种模式
    "dt_posted": "ascending",
    "key": "YOUR_API_KEY"
}

# contributions_link = "https://lda.senate.gov/api/v1/contributions/"
# response = requests.get(contributions_link, params=payee_parameter_incorrect)
# print(response.status_code)
# print(response.text) # 往往会看到错误信息或空结果

pip install fuzzywuzzy python-Levenshtein

from fuzzywuzzy import fuzz

print(fuzz.ratio("John Doe", "Joe Dow"))      # 67
print(fuzz.ratio("John Doe", "John M. Doe"))  # 84
print(fuzz.ratio("John Doe", "Billy Jean"))  # 22

import requests
import json
from fuzzywuzzy import fuzz
from fuzzywuzzy import process # 用于从列表中提取最佳匹配

# 假设这是您要查找的目标候选人名称
target_candidate_name = "John Smith"

# 实际API调用：您可能需要根据API文档获取所有相关数据
# 例如，如果API允许按日期范围查询所有捐款，您可以这样做：
contributions_link = "https://lda.senate.gov/api/v1/contributions/"
api_params = {
    # 假设API支持按日期获取所有数据，或者您分批次获取
    # "dt_posted": "2023-01-01", # 示例参数，实际根据API文档调整
    "key": "YOUR_API_KEY" # 请替换为您的实际API密钥
}

# 模拟API响应数据，实际中这将是您从API获取的JSON数据
# 为了演示，我们构造一个包含各种拼写变体的模拟数据
mock_api_response_data = {
    "contributions": [
        {"id": 1, "contribution_payee": "John Smith", "amount": 100},
        {"id": 2, "contribution_payee": "Jonathan Smith", "amount": 50},
        {"id": 3, "contribution_payee": "Jon Smith", "amount": 75},
        {"id": 4, "contribution_payee": "Jhn Smith", "amount": 120}, # 拼写错误
        {"id": 5, "contribution_payee": "Johnny Smith", "amount": 90},
        {"id": 6, "contribution_payee": "Jane Doe", "amount": 200},
        {"id": 7, "contribution_payee": "John Smtih", "amount": 60}, # 另一个拼写错误
        {"id": 8, "contribution_payee": "Jonathon Smith", "amount": 80}
    ]
}

# 实际应用中，您会执行以下代码获取数据：
# try:
#     response = requests.get(contributions_link, params=api_params)
#     response.raise_for_status() # 检查HTTP错误
#     data = response.json()
# except requests.exceptions.RequestException as e:
#     print(f"API请求失败: {e}")
#     data = {"contributions": []} # 失败时初始化为空列表

# 使用模拟数据进行演示
data = mock_api_response_data

found_contributions = []
similarity_threshold = 80 # 设置一个相似度阈值 (0-100)，根据数据特点和容忍度调整

print(f"正在查找与 '{target_candidate_name}' 相似的捐款记录 (相似度阈值 >= {similarity_threshold}):\n")

# 遍历API返回的每条捐款记录
for record in data.get("contributions", []):
    payee_name = record.get("contribution_payee")
    if payee_name:
        # 将字符串转换为小写进行不区分大小写的比较，提高匹配鲁棒性
        score = fuzz.ratio(target_candidate_name.lower(), payee_name.lower())

        if score >= similarity_threshold:
            found_contributions.append(record)
            print(f"  匹配到: '{payee_name}' (相似度: {score})")

if found_contributions:
    print("\n--- 找到以下匹配的捐款记录 ---")
    for contrib in found_contributions:
        print(f"  ID: {contrib['id']}, 捐款人: {contrib['contribution_payee']}, 金额: {contrib['amount']}")
else:
    print("未找到符合条件的捐款记录。")

# 进一步示例：从一个已知的捐款人列表中找出最接近的目标名称
print("\n--- 使用 process.extractOne 找出最佳匹配 ---")
# 假设这是您从API或其他来源获得的所有不重复的捐款人名称列表
all_unique_payees = [
    "John Smith", "Jonathan Smith", "Jon Smith", "Jane Doe",
    "Jhn Smith", "John Smtih", "Jonathon Smith", "Michael Johnson"
]

# 找出与目标名称最匹配的一个
best_match = process.extractOne(target_candidate_name.lower(), [p.lower() for p in all_unique_payees])
if best_match:
    # best_match 返回一个元组 (匹配的字符串, 相似度得分)
    print(f"在所有已知捐款人中，与 '{target_candidate_name}' 最匹配的是: '{best_match[0]}' (相似度: {best_match[1]})")
else:
    print("未在列表中找到最佳匹配。")