【Python】Levenshtein

1，简介
    Levenshtein Distance是一个度量两个字符序列之间差异的字符串度量标准，两个单词之间的Levenshtein Distance是将一个单词转换为另一个单词所需的单字符编辑（插入、删除或替换）的最小数量。Levenshtein Distance是1965年由苏联数学家Vladimir Levenshtein发明的。Levenshtein Distance也被称为编辑距离（Edit Distance）。

2，安装

conda install python-Levenshtein
# pip install python-Levenshtein

3，计算字符串的相似度
3.1 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。

>>> Levenshtein.hamming('abc','cba')
2
>>> Levenshtein.hamming('abc','cam')
3

3.2 编辑距离，[v]
也称为Levenshtein距离，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。

>>> Levenshtein.distance('abc','ac')
1
>>> Levenshtein.distance('kitten','sitting')
3

3.3 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。

>>> Levenshtein.ratio('abc','abc')  # (5-0) / 5 = 1
1.0
>>> Levenshtein.ratio('abc','ab')  # (5 - 1) / 5 = 0.8
0.8
>>> Levenshtein.ratio('abc','abd') # (6 - 2) / 6 = 2 / 3 = 0.666
0.6666666666666666

3.4 jaro距离

3.5 Jaro–Winkler距离

4，相关链接
https://www.jb51.net/article/98449.htm
https://www.jianshu.com/p/06370a33e1ee