查找两个字符串之间的相似性度量

Question

如何获得一个字符串与Python中的另一个字符串相似的概率？

我想得到一个十进制值，如0.9（意味着90%）等。最好使用标准Python和库。

e、 g。

similar("Apple","Appel") #would have a high prob.

similar("Apple","Mango") #would have a lower prob.

Answer 1

我想你可能在寻找一种描述字符串之间距离的算法。以下是一些您可以参考的内容：

1. 汉明距离
2. Levenshtein距离
3. Damerau–Levenshtein距离
4. Jaro–Winkler距离

Answer 2

使用difflib中的SequenceMatcher

优点：本机python库，无需额外的软件包<缺点：太有限了，还有很多其他的字符串相似性好算法。

>>> from difflib import SequenceMatcher
>>> s = SequenceMatcher(None, "abcd", "bcde")
>>> s.ratio()
0.75

这是一个很好的图书馆，覆盖率很高，发行量很少。它支持：
-莱文施泰因距离
-达梅劳-莱文施泰因距离
-雅罗距离
-雅罗-温克勒距离
-匹配评级方法比较
-汉明距离

优点：易于使用，支持的算法种类繁多，经过测试<缺点：不是本机库。

示例：

>>> import jellyfish
>>> jellyfish.levenshtein_distance(u'jellyfish', u'smellyfish')
2
>>> jellyfish.jaro_distance(u'jellyfish', u'smellyfish')
0.89629629629629637
>>> jellyfish.damerau_levenshtein_distance(u'jellyfish', u'jellyfihs')
1

Answer 3

有一个内置的。

from difflib import SequenceMatcher

def similar(a, b):
    return SequenceMatcher(None, a, b).ratio()

使用它：

>>> similar("Apple","Appel")
0.8
>>> similar("Apple","Mango")
0.0