python-Levenshtein几个计算字串相似度的函数解析

安装：

[python] view plain copy
$ pip install python-Levenshtein  
$ ipython  
>>> import Levenshtein  

linux环境下，没有首先安装 python_Levenshtein ，用法如下：
重点介绍几个该包中的几个计算 字串相似度 的几个函数实现。

1. Levenshtein.hamming(str1, str2)
   计算 汉明距离。 要求str1和str2必须长度一致。是描述两个等长字串之间 对应 位置上 不同 字符的个数。

2. Levenshtein.distance(str1, str2)
   计算 编辑距离 （也成 Levenshtein距离 ）。是描述由一个字串转化成另一个字串最少 的操作次数，在其中的操作包括 插入 、 删除 、 替换 。如
   算法实现 参考动态规划整理。

3. Levenshtein.ratio(str1, str2)
   计算莱文斯坦比。计算公式 r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的长度总和，ldist是 类编辑距离

注意 ：这里的类编辑距离不是2中所说的编辑距离，2中三种操作中每个操作+1，而在此处，删除、插入依然+1，但是替换+2

这样设计的目的：ratio(‘a’, ‘c’)，sum=2,按2中计算为（2-1）/2 = 0.5,’a’,’c’没有重合，显然不合算，但是替换操作+2，就可以解决这个问题。

1. Levenshtein.jaro(s 1 , s 2 )
   计算jaro距离，
   其中的 m 为s 1 , s 2 的匹配长度，当某位置的认为匹配 当该位置字符相同，或者在不超过

   t是调换次数的一半

2. Levenshtein.jaro_winkler(s 1 , s 2 )

计算 Jaro–Winkler距离

Levenshtein全部函数链接：http://www.coli.uni-saarland.de/courses/LT1/2011/slides/Python-Levenshtein.html#Levenshtein-inverse

Jaro–Winkler distance链接：https://en.wikipedia.org/wiki/Jaro%E2%80%93Winkler_distance