python计算字符串相似度,用Python計算字符串的相似度

准備做一個小功能，需要計算字符串的相似度，提前做點功課。

算法

字符串相似度的算法以及有很多資料了。最常見的理解就是：把一個字符串通過插入、刪除或替換這樣的編輯操作，變成另外一個字符串，所需要的最少編輯次數。AKA，兩個字符串之間的距離。解這樣一個問題，可以使用窮舉法，也可以使用動態規划，大家可以自行搜索。貪婪法不適合這個問題。

python-Levenshtein

我需要使用python完成相似度的計算，因而選擇了python-Levenshtein。python-Levenshtein的常用函數包括：

1) Levenshtein.hamming(str1, str2)

計算 漢明距離。 要求str1和str2必須長度一致。是描述兩個等長字串之間 對應 位置上 不同 字符的個數。

2)Levenshtein.distance(str1, str2)

計算 編輯距離 (也稱為Levenshtein距離 )。是描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括 插入 、 刪除 、 替換 。

3)Levenshtein.ratio(str1, str2)

計算萊文斯坦比。計算公式  r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的長度總和，ldist是 類編輯距離。

注意 ：這里的類編輯距離不是2中所說的編輯距離，2中三種操作中每個操作+1，而在此處，刪除、插入依然+1，但是替換+2。這樣設計的目的：ratio('a', 'c')，sum=2,按2中計算為(2-1)/2 = 0.5,’a','c'沒有重合，顯然不合算，但是替換操作+2，就可以解決這個問題。

測試結果

Distance

360-lobby:360-loby                           1

360-guest:360_guest                      1

ICBC Free:ICBC Secure                  5

ICBC_Sec:@ICBC                            5

ICBC:IBCC                                         2

ICBC:CBCI                                         2

ICBC:IICCBBCC                               4

ICBC:ICBCICBC                               4

Ratio

360-lobby:360-loby                         0.941176

360-guest:360_guest                    0.888889

ICBC Free:ICBC Secure                0.700000

ICBC_Sec:@ICBC                          0.615385

ICBC:IBCC                                       0.750000

ICBC:CBCI                                       0.750000

ICBC:IICCBBCC                             0.666667

ICBC:ICBCICBC                             0.666667