字符串相似度算法python_python – ALGORITHM – 字符串相似度得分/哈希

有没有一种方法来计算字符串的一般“相似性得分”？在某种程度上,我不是将两个字符串比较在一起,而是为每个字符串得到一些数字/分数(哈希),以后可以告诉我两个字符串是否相似.两个相似的字符串应该具有相似(接近)的分数/哈希值.

我们将这些字符串和分数视为一个例子：

你好世界1000

你好,世界！ 1010

你好地球1125

Foo bar 3250

FooBarbar 3750

Foo Bar！ 3300

Foo世界！ 2350

你可以看到Hello world！和Hello世界是相似的,他们的分数彼此接近.

这样,通过从其他分数中减去给定的字符串分数,然后对其绝对值进行排序,可以找到与给定字符串最相似的字符串.

我的最终目标是：会有流式日志消息(只有纯消息),我想找到这些消息的模式(某种正则表达式类型).但只有当我可以存储类似的字符串时才会启动.我再次关注我应该为每个字符串获得一些数字/分数(哈希)并且可以告诉我两个字符串是否相似

看看 locality-sensitive hashing

. The basic idea is to hash the input items so that similar items are mapped to the same buckets with high probability (the number of buckets being much smaller than the universe of possible input items).

有一个非常好的解释 here

以及一些示例代码.

翻译自：https://stackoverflow.com/questions/6665398/algorithm-string-similarity-score-hash