【算法】两个字符串的编辑距离

计算两个字符串的距离，即两个字符串不同的位数

input：string1，string2

output：两个字符串间的距离，即两个字符串不同的位数之和

example1：
string1 = “1234”
string2 = “12345”
distance = 1

example2：
string1 = “12534”
string2 = “12435”
distance = 2

思想：利用动态规划法
设置一个tbl矩阵，大小为（len1 + 1）*（len2 + 1）
用一个双重循环计算矩阵tbl中每一个位置的值
tbl [ i, j ]存储的就是计算到第 i 行，第 j 列的（即第一个字符的i位置，第二个字符的j位置）编辑距离
画图如下,*字符所在位置是要计算出来的，计算顺序为从左至右，从上至下，其他值是初始化给定的，设为距离的最大值
动态规划的公式为

0 1 2 3 4 5
1 * * * * *
2 * * * * *
3 * * * * *
4 * * * * *

cost = 0 if string1[i - 1] == string2[j - 1] else 1
tb[i, j] 是三条路径中的最小值，三条路径分别为

tbl[i, j - 1] + 1
tbl[i - 1, j] + 1
tbl[i - 1, j - 1] + cost

tbl[i, j] = min(tbl[i, j - 1] + 1, tbl[i - 1, j] + 1, tbl[i - 1, j - 1] + cost)

// python code
def edit_distance(string1, string2):
  len1 = len(string1) + 1
  len2 = len(string2) + 1
  tbl = {}
  for i in range(len1):
    tbl[i, 0] = i
  for j in range(len2):
    tbl[0, j] = j
  for i in range(1, len1):
    for j in range(1, len2):
      cost = 0 if string1[i - 1] == string2[j - 1] else 1
      tbl[i, j] = min(tbl[i, j - 1] + 1, tbl[i - 1, j] + 1, tbl[i - 1, j - 1] + cost)

  return tbl[i, j]

代码来源：https://github.com/openvinotoolkit/training_extensions/blob/develop/misc/tensorflow_toolkit/lpr/lpr/utils.py