动态规划经典问题：HJ52 计算字符串的编辑距离

描述

Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。编辑距离的算法是首先由俄国科学家 Levenshtein 提出的，故又叫 Levenshtein Distance 。

例如：
字符串A: abcdefg
字符串B: abcdef
通过增加或是删掉字符 ”g” 的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。

要求：
给定任意两个字符串，写出一个算法计算它们的编辑距离。

数据范围：给定的字符串长度满足 1≤len(str)≤1000 1≤len(str)≤1000

输入描述：
每组用例一共2行，为输入的两个字符串
输出描述：
每组用例输出一行，代表字符串的距离

示例1
输入：
abcdefg
abcdef
输出：
1

理解

这道题看了别人的答案才明白的，太菜了（流泪）

要理解这个问题，需要理解几点：
① 编辑距离是与编辑顺序无关的，也就是说我们可以指定某个最少编辑解，使其在某个编辑时刻的字符串状态特定。或者说，把字符串理解为结点的化，最少编辑解指定了哪些结点需要插入删除修改，而与顺序无关。
② 对于两个字符串，其后尾均追加同样的字符，其最少编辑距离不变。
③ 若两个字符串最后一位字符不同，那么，要编辑使得它们相同，则在字符串后尾必定进行了如下操作：替换、插入或删除

python代码

str_i = input()
str_j = input()

if(len(str_i) > len(str_j)): str_i,str_j = str_j,str_i	# 这句其实可以不要

dp = [list(range(len(str_j)+1))]
for i in range(1,len(str_i)+1):
    dp.append([i]*(len(str_j)+1))
    for j in range(1,len(str_j)+1):
        if(str_i[i-1] == str_j[j-1]):
            dp[i][j] = dp[i-1][j-1]
            continue
        replace_dp = dp[i-1][j-1]+1
        add_dp     = dp[i][j-1]+1
        delete_dp  = dp[i-1][j]+1
        dp[i][j] = min(replace_dp,add_dp,delete_dp)

print(dp[len(str_i)][len(str_j)])