import Levenshtein
import difflib
def text_similarity(str1, str2):
#1.Levenshtein_ratio方法
#distance(str1, str2) 编辑距离:描述一个字符串转成另一个字符串最少的操作次数,操作包括:插入、删除、替换;
distance = Levenshtein.distance(str1, str2)
Levenshtein_ratio = 1 - (distance / max(len(str1), len(str2)))
#2.difflib方法
difflib_ratio = difflib.SequenceMatcher(None, str(str1), str(str2)).quick_ratio()
return round(Levenshtein_ratio ,3) , round(difflib_ratio ,3)
str1 = 'hello world'
str2 = 'hello owrld' #world的顺序调换
str3 = 'helloowrld'
print(text_similarity(str1,str2)) -- >> (0.818, 1.0)
print(text_similarity(str3,str2)) -- >> (0.909, 0.952)
# Levenshtein_ratio 的逻辑:调整一个字符,最大字符为11,则1-1/11=0.909
# difflib_ratio 的逻辑见下面的说明
Levenshtein_ratio方法的原理:
distance(str1, str2) 编辑距离:描述一个字符串转成另一个字符串最少的操作次数,操作包括:插入、删除、替换;
ratio(str1, str2) 计算莱文斯坦比:r = (sum - ldist) / sum,sum 指的是 str1 和 str2 字符串长度之和,ldist 为类编辑距离(插入删除为1,替换为2)
这里会统计空格、括号等符号;
没找到difflib的计算逻辑,但看结果是仿佛是这个意思,这个和上面Levenshtein_ratio的解释看似是一样的,但是不知道是不是我找到的Levenshtein_ratio计算方法有问题,得到的结果并不是这样,先记录在此,以后再看了
总len = len(str1) + len(str2)
重合len = len(重合的字符in str1) + len(重合的字符in str2)
difflib_ratio = 重合len / 总len