如何根据简体中文字符计算Levenshtein距离？

Question

我有2个查询：

    query1:你好世界
    query2:你好

当我使用python库Levenshtein运行此代码时：

from Levenshtein import distance, hamming, median
lev_edit_dist = distance(query1,query2)
print lev_edit_dist

我的输出为12。 现在的问题是价值12是如何得出的？

因为在笔画差异方面，肯定超过12个。

Answer 1

根据其documentation，它支持unicode：

  

它支持普通和Unicode字符串，但不能混合它们   函数（方法）的参数必须是相同的类型（或它的   子类）。

你需要确保中文字符是unicode：

In [1]: from Levenshtein import distance, hamming, median

In [2]: query1 = '你好世界'

In [3]: query2 = '你好'

In [4]: print distance(query1,query2)
6

In [5]: print distance(query1.decode('utf8'),query2.decode('utf8'))
2