找到两个字符串之间的相似度量

Question

如何获得一个字符串与Python中另一个字符串相似的概率？

我想得到一个十进制值，比如0.9（意味着90%）等，最好是使用标准的Python和library。

例如

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

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

Answer 1

我想也许你在找一个描述字符串之间距离的算法。以下是一些您可以参考的：

1. Hamming distance
2. Levenshtein distance
3. Damerau–Levenshtein distance
4. Jaro–Winkler distance

Answer 2

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

Answer 3

解决方案1:Python内置

使用difflib中的SequenceMatcher

专业人士： 本机python库，不需要额外的包。
缺点：太有限了，还有很多其他很好的字符串相似性算法。

示例：

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

解决方案2：jellyfish库

这是一个很好的图书馆，覆盖面广，发行量少。 它支持：
-Levenshtein距离
-Damerau Levenshtein距离
-Jaro距离
-Jaro Winkler距离
-匹配评分法比较
-汉明距离

专业人士： 易于使用，各种支持的算法，经过测试。
cons：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