perl：字符串模糊匹配，计算 edit 距离

belldeep

已于 2024-03-31 12:16:16 修改

阅读量415

点赞数 1

分类专栏： perl 文章标签： perl fuzzy Levenshtein edit

于 2024-03-30 10:39:12 首次发布

本文链接：https://blog.csdn.net/belldeep/article/details/137167535

版权

perl 专栏收录该内容

15 篇文章 0 订阅

订阅专栏

本文介绍了Levenshtein距离算法及其变种，如Damerau-Levenshtein距离，以及如何在Perl库Text::Fuzzy中使用这些概念进行部分字符串匹配，包括英文示例和中文模糊匹配的应用。

摘要由CSDN通过智能技术生成

Levenshtein Distance，通常被称为编辑距离(Edit Distance)。该算法的概念是俄罗斯科学家弗拉基米尔·莱文斯坦（Levenshtein · Vladimir）于1965年提出。
它是用来计算两个字串之间，通过替换、插入、删除等操作将字符串str1转换成str2所需要操作的最少次数。

也存在其他编辑距离的定义方式：例如 Damerau-Levenshtein 距离就是一种莱文斯坦距离的变种，但允许以单一操作交换相邻的两个字符（称为字符转置），如 AB→BA 的距离是 1（交换）而非 2（先删除再插入、或者两次替换）； LCS（最长公共子序列）距离只允许删除、加入字元； Jaro 距离只允许字符转置；汉明距离只允许取代字元。

fuzzy 中文是模糊的意思。

运行 cpan

install Text::Levenshtein

install Text::Levenshtein::XS

install Text::Fuzzy

编写 test_fuzzy.pl 如下

#!/usr/bin/perl
# test: Partial string matching using edit distances
use warnings;
use strict;
use utf8;
use Text::Fuzzy;

my $tf = Text::Fuzzy->new ('我是中国人');
print "distance is ",$tf->distance ('我是华人'), "\n";

# test: English
my $tf = Text::Fuzzy->new ('boboon');
print "Distance is ", $tf->distance ('babboon'), "\n";
my @words = qw/the quick brown fox jumped over the lazy dog/;
my $nearest = $tf->nearestv (\@words);
print "Nearest array entry is $nearest\n";

运行 perl test_fuzzy.pl

distance is 2
Distance is 2
Nearest array entry is brown

参阅：字符串模糊匹配