Python difflib.get_close_matches: เดาคำที่ผู้ใช้พิมพ์ผิด แล้วถามว่า "หมายถึงอันนี้ไหม?"

เคยพิมพ์ git stauts แล้วได้คำตอบกลับมาว่า “หมายถึง status ใช่ไหม” ไหมครับ ฟีเจอร์เล็กๆ แบบนี้ช่วยให้คนใช้ไม่หงุดหงิด ใน Python ไม่ต้องลงไลบรารีเพิ่ม เพราะไลบรารีมาตรฐานมี difflib.get_close_matches ให้ใช้อยู่แล้ว

วันนี้ผมจะใช้มันกับ 2 งาน: แนะนำชื่อจังหวัดเมื่อพิมพ์ผิด และแนะนำคำสั่งในโปรแกรม CLI

WHY: ทำไมต้องแนะนำคำ ไม่ใช่ตอบ error เฉยๆ

ฟอร์มที่ตอบแค่ “ไม่พบจังหวัด” ทำให้คนต้องเดาเองว่าพิมพ์ผิดตรงไหน
คำไทยพิมพ์ผิดง่าย เช่น สลับ ใ กับ ไ หรือลืมไม้ไต่คู้
การ “แนะนำ” ดีกว่า “แก้ให้เลย” เพราะผู้ใช้ยังเป็นคนยืนยันเอง ไม่มีการเปลี่ยนข้อมูลแบบเงียบๆ

HOW: ฟังก์ชันนี้ทำงานยังไง

รูปแบบคือ get_close_matches(word, possibilities, n=3, cutoff=0.6)

word คือคำที่ผู้ใช้พิมพ์
possibilities คือรายการคำที่ถูกต้องทั้งหมด
n คือจำนวนคำแนะนำสูงสุด (ค่าเริ่มต้น 3)
cutoff คือคะแนนความเหมือนขั้นต่ำ ตั้งแต่ 0 ถึง 1 (ค่าเริ่มต้น 0.6) คำที่ได้คะแนนต่ำกว่านี้จะถูกตัดทิ้ง

เบื้องหลังมันใช้ SequenceMatcher ให้คะแนนด้วยค่า ratio() คิดง่ายๆ ว่าเป็นสัดส่วนตัวอักษรที่ตรงกันเมื่อเทียบสองคำ ผลลัพธ์เรียงจากคำที่เหมือนที่สุดก่อน

ตัวอย่างจริงตอนผมรัน: "เชียงไหม่" เทียบกับ "เชียงใหม่" ได้ ratio ราว 0.89 เพราะต่างกันแค่ตัวเดียว จึงผ่าน cutoff 0.6 สบายๆ

จุดที่ต้องรู้ก่อนใช้

ภาษาไทยเทียบทีละ “ตัวอักษร Unicode” สระบน สระล่าง และวรรณยุกต์นับเป็นตัวแยก คำสั้นมากๆ ผิดหนึ่งตัวจะได้คะแนนตกเยอะ
ถ้าตั้ง cutoff ต่ำไป จะได้คำแนะนำมั่วๆ ถ้าสูงไป คำที่พิมพ์ผิดนิดเดียวก็ไม่ถูกแนะนำ ค่าเริ่มต้น 0.6 เป็นจุดเริ่มที่ดี
คำที่พิมพ์ไม่ครบ เช่น "เชียง" จะได้ทั้ง เชียงราย และ เชียงใหม่ เป็นเรื่องดี ให้ผู้ใช้เลือกเอง แต่ถ้าดัน cutoff ขึ้นเป็น 0.8 จะไม่เหลือสักคำ
ไม่เจอคำที่ใกล้พอ จะได้ลิสต์ว่าง [] ต้องเตรียมข้อความตอบกลับกรณีนี้ด้วย
เทียบตัวพิมพ์เล็ก/ใหญ่ตรงตัว ถ้าเป็นภาษาอังกฤษ ควร .lower() ทั้งสองฝั่งก่อน
รายการคำหลายหมื่นคำ ฟังก์ชันนี้จะช้าลงเพราะต้องเทียบทุกคำ เหมาะกับรายการขนาดเล็กถึงกลาง เช่น จังหวัด เมนู หรือคำสั่ง

โค้ดพร้อม unittest

import difflib
import unittest

PROVINCES = ["กรุงเทพมหานคร", "เชียงใหม่", "เชียงราย", "ขอนแก่น",
             "ภูเก็ต", "นครราชสีมา", "สงขลา"]
COMMANDS = ["status", "commit", "checkout", "cherry-pick", "push", "pull"]


def suggest(word, choices, n=3, cutoff=0.6):
    """คืนคำที่ใกล้เคียง ถ้าพิมพ์ถูกอยู่แล้วคืนคำนั้นคำเดียว"""
    word = word.strip()
    if word in choices:
        return [word]
    return difflib.get_close_matches(word, choices, n=n, cutoff=cutoff)


def reply(word, choices):
    hits = suggest(word, choices, n=1)
    if not hits:
        return f"ไม่พบ '{word}' ลองพิมพ์ใหม่อีกครั้งครับ"
    if hits[0] == word.strip():
        return f"ตกลง: {word.strip()}"
    return f"หมายถึง '{hits[0]}' ใช่ไหมครับ?"


class SuggestTest(unittest.TestCase):
    def test_thai_typo(self):
        self.assertEqual(suggest("เชียงไหม่", PROVINCES), ["เชียงใหม่"])
        self.assertEqual(suggest("ภูเกต", PROVINCES), ["ภูเก็ต"])

    def test_exact_match_wins(self):
        self.assertEqual(suggest(" สงขลา ", PROVINCES), ["สงขลา"])

    def test_cutoff_controls_noise(self):
        # พิมพ์ไม่ครบ ได้ 2 ตัวเลือก ให้ผู้ใช้เลือกเอง
        self.assertEqual(sorted(suggest("เชียง", PROVINCES)), ["เชียงราย", "เชียงใหม่"])
        # cutoff สูงขึ้น ตัดคำที่เหมือนไม่พอทิ้ง
        self.assertEqual(suggest("เชียง", PROVINCES, cutoff=0.8), [])

    def test_cli_commands(self):
        self.assertEqual(suggest("stauts", COMMANDS), ["status"])
        self.assertEqual(suggest("chekcout", COMMANDS), ["checkout"])
        self.assertEqual(suggest("xyz", COMMANDS), [])

    def test_ratio_explains_score(self):
        ratio = difflib.SequenceMatcher(None, "เชียงไหม่", "เชียงใหม่").ratio()
        self.assertGreater(ratio, 0.85)

    def test_reply_messages(self):
        self.assertEqual(reply("เชียงไหม่", PROVINCES), "หมายถึง 'เชียงใหม่' ใช่ไหมครับ?")
        self.assertEqual(reply("สงขลา", PROVINCES), "ตกลง: สงขลา")
        self.assertTrue(reply("abc", PROVINCES).startswith("ไม่พบ"))


if __name__ == "__main__":
    unittest.main()

ตอนตรวจบทความ ผมรันโค้ดนี้ด้วย python3 -I -B บน Python 3.14 ของเครื่องนี้ เทสต์ผ่านทุกข้อ

ใช้ตรงไหนในงานจริง

งาน	ตัวอย่าง
ฟอร์มที่อยู่	พิมพ์จังหวัด/อำเภอผิด แล้วแนะนำชื่อที่ถูก
โปรแกรม CLI	พิมพ์คำสั่งผิด แล้วถามว่าหมายถึงคำสั่งไหน
ช่องค้นหาเมนู	ร้านอาหารที่มีเมนูไม่กี่ร้อยรายการ
ไฟล์ config	key สะกดผิด เช่น `timout` แนะนำ `timeout`

ข้อควรระวัง: อย่าแก้ข้อมูลให้อัตโนมัติในงานที่ผิดแล้วเสียหาย เช่น ชื่อผู้รับโอนเงิน ให้ถามผู้ใช้ยืนยันทุกครั้ง

Recap

ลองใช้ difflib.get_close_matches ก่อนลงไลบรารี fuzzy matching ตัวใหญ่
เริ่มที่ cutoff=0.6 แล้วค่อยปรับตามข้อมูลจริง
เตรียมข้อความตอบเมื่อได้ลิสต์ว่าง
ภาษาอังกฤษให้ .lower() ทั้งสองฝั่งก่อนเทียบ
ให้ผู้ใช้ยืนยันคำที่แนะนำ อย่าแก้ข้อมูลเงียบๆ
ก๊อปเทสต์ด้านบนไปรันบน Python ของคุณ ดูว่าผลตรงกันไหม