Python的字符串相似度檢測

1. 安裝python-Levenshtein模塊

   pip install python-Levenshtein

2. 使用python-Levenshtein模塊

   import Levenshtein

3. 算法說明

   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。
   算法實現參考動態規劃整理。

   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。

   4). Levenshtein.jaro(s1 , s2 )
   計算jaro距離，
   
   其中的 m 為s1 , s2的匹配長度，當某位置的認為匹配當該位置字符相同，或者在不超過
   
   t是調換次數的一半

   5.) Levenshtein.jaro_winkler(s 1 , s 2 )
   計算 Jaro–Winkler距離：
   

原文：Python相似度計算
轉載自：蔡尐的博客