Python判断两个单词的相似度

本文要点在于算法的设计：如果两个单词中不相同的字母足够少，并且随机选择几个字母在两个单词中具有相同的前后顺序，则认为两个单词是等价的。

目前存在的问题：可能会有误判。

from random import sample, randint

def oneInAnother(one, another):

    '''用来测试单词one中有多少字母不属于单词another'''

    return sum((1 for ch in one if ch not in another))

def testPositions(one, another, positions):

    '''用来测试单词one中位置positions上的字母是否

       与单词another中的相同字母具有同样的前后顺序'''

    #获取单词one中指定位置上的字母

    lettersInOne = [one[p] for p in positions]

    print(lettersInOne)

    #这些字母在单词another中的位置

    positionsInAnother = [another[p:].index(ch)+p for p, ch in zip(positions,lettersInOne) if ch in another[p:]]

    print(positionsInAnother)

    #如果这些字母在单词another中也具有相同的前后位置关系，返回True

    if sorted(positionsInAnother)==positionsInAnother:

        return True

    return False

    

    

def main(one, another, rateNumber=1.0):

    c1 = oneInAnother(one, another)

    c2 = oneInAnother(another, one)

    #计算比例，测试两个单词有多少字母不相同

    r = abs(c1-c2) / len(one+another)

    #测试单词one随机位置上的字母是否在another中具有相同的前后顺序

    minLength = min(len(one), len(another))

    positions = sample(range(minLength), randint(minLength//2, minLength-1))

    positions.sort()

    flag = testPositions(one, another, positions)

    #两个单词具有较高相似度

    if flag and r<rateNumber:

        return True

    return False

#测试效果

print(main('beautiful', 'beaut', 0.2))

print(main('beautiful', 'beautiful', 0.2))

print(main('beautiful', 'btuaeiflu', 0.2))

某次运行结果如下：

['a', 'u']

[2, 3]

False

['a', 'u', 'f', 'u']

[2, 3, 6, 7]

True

['b', 'e', 'a', 'u', 't', 'f']

[0, 4, 3, 8, 6]

False