我在做一些网页刮。 其中一个我所遇到的问题是，我有时刮表的列标题在他们的语言不同，刚好够我试图用fuzzywuzzy来检查他们的“亲近”
我的程序与标签的列表开始。 这些标签都是从我都刮掉网页的表格的列标题。 此外，还要求我给你“归列标题”至少一些 - 这些服务为基础的“学习”
matched_labels_dict{label_1:value_1,label_2:value_2,label_3:value_1, . . .}
这本词典表明label_1和label_3是同义词，label_2是不是其中的代名词，但可能是一些其他标签的字典中的一个代名词
我也有un_matched_labels名单
un_matched_labels=[label_324,label_325,label_326, . . .]
数字后缀只是占位
我有一个使用功能fuzzywuzzy生成一个分数每个标签的un_matched_labels在matched_labels_dict标签比较。 如果匹配的MAX_SCORE比一些预定的水平更高（可以说90）然后被测试的标签被添加到matched_labels_dict和分配了相同的值，它相匹配的标签了。 因此，假设我在un_matched_labels测试label_424和最大匹配得分的94发生时它相比label_3，我再更新matched_labels_dict
matched_labels_dict{label_1:value_1,label_2:value_2,label_3:value_1, label_424:value_1. . .}
现在，机器学习来发挥作用，因为假设label_324将有一个匹配得分为91 label_424
但它有一个匹配率已经VALUE_1为比我的临界值低的东西其价值（label_1和label_3）（在这种情况下90）中的所有其他标签。
label_324不会被匹配到label_424在matched_labels_dict。
因为为了label_324被测试的标签不会被添加，因为当它被测试label_424不在matched_labels_dict（测试被顺序地执行）。
为了处理，我重新运行匹配函数（称为在下面的代码块do_machine_learning）。
下面是do_machine_learning功能all_labels被标签的列表，matched_label_dict是已公知的标签值的匹配，是在上述形式的字典
def do_machine_learning(all_labels,matched_labels_dict):
for test_label in all_labels:
if test_label not in matched_labels_dict:
temp_fuzzy_dict={label : fuzz.token_sort_ratio(label.upper(),test_label.upper()) for label in matched_labels_dict.keys()}
fuzzy_dict={key : temp_fuzzy_dict[key] for key in temp_fuzzy_dict if temp_fuzzy_dict[key] > 91}
try:
max_value=max(fuzzy_dict.values())
for label in fuzzy_dict:
if fuzzy_dict[label]== max_value:
matched_labels_dict[test_label]=matched_labels_dict[label]
break
except ValueError:
pass
return matched_labels_dict
我想重新运行的匹配功能（这会再加入label_324到字典中，因为它的比赛成绩与label_424），直到matched_labels_dictionary保持在两个迭代之间的大小不变。 因为没有更多的比赛被发现，这将在尺寸保持不变。
这里是我正在做这个，我随意设定的周期为100的极限
for number in range(1,100):
print 'cycle', number, 'number_of_matches', len(matched_labels_dict)
x=do_machine_learning(all_labels,matched_labels_dict)
if len(x)==len_matched_labels:
break
else:
len_matched_labels=len(x)
该do_machine_learning功能就是无与伦比的标签进行比较，并取得了对匹配的标签。 一旦unmatched_labels通过它第一次运行时的matched_labels_dict返回，程序匹配的标签数与匹配的标签在上一次迭代的数量进行比较。 如果数量增加，则标签被再次送到查看是否有新的比赛可以进行。 如果没有完成正在取得新的匹配，则程序跳出循环的运行通过。 有人问我，把我的do_machine_learning功能，但我认为这是无关紧要我的问题是如何更pythonically循环回路上方
所以，问题是我怎么更干净设立这个反复的过程？
那么问题是封闭的，我真的不明白为什么，但我想我找到了一个更好 - 更清洁的方式来处理这个问题，至少它为我工作我调用该函数从内部本身，直到其大小保持不变
def do_machine_learning(all_labels,matched_labels_dict, min_score):
initial_size=len(matched_labels_dict) # added this assignment
for test_label in all_labels:
if test_label not in matched_labels_dict:
temp_fuzzy_dict={label : fuzz.token_sort_ratio(label.upper(),test_label.upper()) for label in matched_labels_dict.keys()}
fuzzy_dict={key : temp_fuzzy_dict[key] for key in temp_fuzzy_dict if temp_fuzzy_dict[key] > min_score}
try:
max_value=max(fuzzy_dict.values())
for label in fuzzy_dict:
if fuzzy_dict[label]== max_value:
matched_labels_dict[test_label]['NEW_LABEL'] = matched_labels_dict[label]['NEW_LABEL']
matched_labels_dict[test_label]['FUZZ_SCORE'] = max_value
matched_labels_dict[test_label]['BEST_MATCH'] = label
break
except ValueError:
pass
if len(matched_labels_dict)!=initial_size: # added this loop
do_machine_learning(all_labels,matched_labels_dict, min_score)
return matched_labels_dict
这些细微的变化，我可以通过调用函数
new_matched_labels=do_machine_learning(all_labels,matched_labels_dict)
这些变化完全消除了与开始循环的需要
for number in range(1,100):
