Question

我需要知道两个字符串在一些测量指数

方面相差多远

Answer 1

最常用的指标可能是Levenshtein Distance，有时称为“编辑距离”。简单来说，它可以衡量您在比较中使字符串相同所需的编辑次数（添加，删除或广义方法，还有换位）。

该算法具有简单，高效和众所周知的实现，这里的伪代码直接来自之前链接的维基百科文章：

 int LevenshteinDistance(char s[1..m], char t[1..n])
 {
   // for all i and j, d[i,j] will hold the Levenshtein distance between
   // the first i characters of s and the first j characters of t;
   // note that d has (m+1)x(n+1) values
   declare int d[0..m, 0..n]

   for i from 0 to m
     d[i, 0] := i // the distance of any first string to an empty second string
   for j from 0 to n
     d[0, j] := j // the distance of any second string to an empty first string

   for j from 1 to n
   {
     for i from 1 to m
     {
       if s[i] = t[j] then  
         d[i, j] := d[i-1, j-1]       // no operation required
       else
         d[i, j] := minimum
                    (
                      d[i-1, j] + 1,  // a deletion
                      d[i, j-1] + 1,  // an insertion
                      d[i-1, j-1] + 1 // a substitution
                    )
     }
   }

   return d[m,n]
 }

另见这个相关的SO问题：Good Python modules for fuzzy string comparison?

Answer 2

幸运的是，Python带有difflib模块：）

查看get_close_matches功能

任何人都知道一种有效的机制来检测两个字符串之间的相似程度

2 个答案: