一、题目要求
尝试用python写一段最小编辑距离计算的代码
两个字符串之间,有一个转变成另一个所需要的操作数量
支持三种操作输入 Insertion Deletion Substitution
二、实验原理
编辑距离(Edit Distance),又称Levenshtein距离,是指两个字串之间,由一个转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。一般来说,编辑距离越小,两个串的相似度越大
给定两个字符串,求由一个转成另一个所需要的最少编辑操作次数。
在5X5的列表中,s[i][j]表示:字符串A前i个字符与字符串B前j个字符的最短编辑距离。求最小编辑距离就是把这个列表填写完,s[4][4]的值即为所求的最小编辑距离。
A|B |
| a | b | c | e |
| 0 | 1 | 2 | 3 | 4 |
a | 1 |
|
|
|
|
c | 2 |
|
|
|
|
e | 3 |
|
|
|
|
f | 4 |
|
|
|
|
思路:
1. 当Ai和Bj的末尾字符A[i]==B[j]时,对末尾字符不需要进行编辑, diff = 0,step[i][j] = step[i-1][j-1]
2. 当Ai和Bj的末尾字符A[i]!=B[j]时,需要对其中之一的末尾进行编辑, diff = 1
(1)先A[i-1]->B[j]再A[i]->B[j] step[i][j] = step[i-1][j]+diff
(2)先A[i]->B[j-1]再A[i]->B[j] step[i][j] = step[i][j-1]+diff
(3)先A[i-1]->B[j-1]再A[i]->B[j] step[i][j] = step[i-i][j-1]+diff
取三种操作的最小值,就是Ai->Bj的最小编辑距离 step[i][j] = min(step[i-1][j], step[i][j-1], step[i-i][j-1])+diff
3.特殊情况,
if(A == null) step[0][j] = j
if(B == null) step[i][0] = i
4.最后step[len(A)][len(B)]即为A->B的最小标记距离。
填写表格:
1. 填写s[1]过程:
A[1]==B[1],s[1][1]=min(s[1][0],s[0][0],s[0][1])+0=0
A[1]!=B[2],s[1][2]=min(s[1][1],s[0][1],s[0][2])+1=1
A[1]!=B[3],s[1][3]=min(s[1][2],s[0][2],s[0][3])+1=2
A[1]!=B[4],s[1][4]=min(s[1][3],s[0][3],s[0][4])+1=3
A|B |
| a | b | c | e |
| 0 | 1 | 2 | 3 | 4 |
a | 1 | 0 | 1 | 2 | 3 |
c | 2 |
|
|
|
|
e | 3 |
|
|
|
|
f | 4 |
|
|
|
|
2. 填写s[2]过程:
A[2]!=B[1],s[2][1]=min(s[2][0],s[1][0],s[1][1])+1=1
A[2]!=B[2],s[2][2]=min(s[2][1],s[1][1],s[1][2])+1=1
A[2]==B[3],s[2][3]=min(s[2][2],s[1][2],s[1][3])+0=1
A[2]!=B[4],s[2][4]=min(s[2][3],s[1][3],s[1][4])+1=2
A|B |
| a | b | c | e |
| 0 | 1 | 2 | 3 | 4 |
a | 1 | 0 | 1 | 2 | 3 |
c | 2 | 1 | 1 | 1 | 2 |
e | 3 |
|
|
|
|
f | 4 |
|
|
|
|
3. 填写s[3]过程:
A[3]!=B[1],s[3][1]=min(s[3][0],s[2][0],s[2][1])+1=2
A[3]!=B[2],s[3][2]=min(s[3][1],s[2][1],s[2][2])+1=2
A[3]!=B[3],s[3][3]=min(s[3][2],s[2][2],s[2][3])+1=2
A[3]==B[4],s[3][4]=min(s[3][3],s[2][3],s[3][4])+0=1
A|B |
| a | b | c | e |
| 0 | 1 | 2 | 3 | 4 |
a | 1 | 0 | 1 | 2 | 3 |
c | 2 | 1 | 1 | 1 | 2 |
e | 3 | 2 | 2 | 2 | 1 |
f | 4 |
|
|
|
|
4. 填写s[4]过程:
A[4]!=B[1],s[4][1]=min(s[4][0],s[3][0],s[3][1])+1=3
A[4]!=B[2],s[4][2]=min(s[4][1],s[3][1],s[3][2])+1=3
A[4]!=B[3],s[4][3]=min(s[4][2],s[3][2],s[3][3])+1=3
A[4]!=B[4],s[4][4]=min(s[4][3],s[3][3],s[3][4])+1=2
A|B |
| a | b | c | e |
| 0 | 1 | 2 | 3 | 4 |
a | 1 | 0 | 1 | 2 | 3 |
c | 2 | 1 | 1 | 1 | 2 |
e | 3 | 2 | 2 | 2 | 1 |
f | 4 | 3 | 3 | 3 | 2 |
所以A—>B编辑距离为2次,操作为:acef在字符ac之间插入字符b,删除字符f
三、实验代码
1. 方法一:递归
A = input("输入字符串1:")
B = input("输入字符串2:")
def recursive_edit_distance(str_a, str_b):
if len(str_a) == 0:
return len(str_b)
elif len(str_b) == 0:
return len(str_a)
elif str_a[len(str_a)-1] == str_b[len(str_b)-1]:
return recursive_edit_distance(str_a[0:-1], str_b[0:-1])
else:
return min([
recursive_edit_distance(str_a[:-1], str_b),
recursive_edit_distance(str_a, str_b[:-1]),
recursive_edit_distance(str_a[:-1], str_b[:-1])
]) + 1
print(recursive_edit_distance(A, B))
2. 方法二:动态规划
import nltk
A = input("输入字符串1:")
B = input("输入字符串2:")
def minDistance(w1, w2):
m, n = len(w1),len(w2)
if(m == 0):
return m
if(n == 0):
return n
step = [[0]*(n+1)for _ in range(m + 1)]
for i in range(1, m+1):step[i][0]=i
for j in range(1, n+1):step[0][j]=j
for i in range(1, m+1):
for j in range(1, n+1):
if w1[i-1] == w2[j-1] :
diff=0
else:diff=1
step[i][j] = min(step[i-1][j-1],min(step[i-1][j],step[i][j-1]))+diff
return step[m][n]
print(minDistance(A,B))
打印出完整变换:
A = input("输入字符串1:")
B = input("输入字符串2:")
def edit_distance_Omn(str_a, str_b):
if str_a == str_b:
return 0
if len(str_a) == 0:
return len(str_b)
if len(str_b) == 0:
return len(str_a)
dp = [[0 for _ in range(len(str_a) + 1)] for _ in range(len(str_b) + 1)]
for i in range(len(str_b) + 1):
dp[i][0] = i
for j in range(len(str_a) + 1):
dp[0][j] = j
for i in range(1, len(str_b) + 1):
for j in range(1, len(str_a) + 1):
dp[i][j] = dp[i-1][j-1]
if str_a[j-1] != str_b[i-1]:
dp[i][j] = min([dp[i-1][j-1], dp[i-1][j], dp[i][j-1]]) + 1
#打印完整路径矩阵(这一步非必要)
'''for i in range(len(str_b) + 1):
for j in range(len(str_a) + 1):
print(dp[i][j])
# print()'''
# 准备倒着查询编辑路径,从右下角开始
i , j = len(str_b), len(str_a)
op_list = [] # 记录编辑操作
while i > 0 and j > 0:
if dp[i][j] == dp[i-1][j-1]:
op_list.append("keep [ {} ]".format(str_b[i-1]))
i, j = i-1, j-1
continue
if dp[i][j] == dp[i-1][j] + 1:
op_list.append("remove [ {} ]".format(str_b[i-1]))
i, j = i-1, j
continue
if dp[i][j] == dp[i-1][j-1] + 1:
op_list.append("change [ {} ] to [ {} ]".format(str_b[i-1], str_a[j-1]))
i, j = i-1, j-1
continue
if dp[i][j] == dp[i][j-1] + 1:
op_list.append("insert [ {} ]".format(str_a[j-1]))
i, j = i, j-1
for i in range(len(op_list)):
print(op_list[len(op_list)-i-1])
return dp[len(str_b)][len(str_a)]
print(edit_distance_Omn(A, B))
四、结果
参考链接:
https://www.cnblogs.com/AsuraDong/p/6957890.html