python实现编辑距离算法

原文章链接：python实现计算最小编辑距离

最小编辑距离或莱文斯坦距离（Levenshtein），指由字符串A转化为字符串B的最小编辑次数。允许的编辑操作有：删除，插入，替换。具体内容可参见：Wikipedia - Levenshtein_distance。一般代码实现的方式都是通过动态规划算法，找出从A转化为B的每一步的最小步骤。

动态转移方程：来自字符串编辑距离（Levenshtein距离）算法

lev​A, B​​(i, j)=​⎩​⎪​⎪​⎪​⎪​⎨​⎪​⎪​⎪​⎪​⎧​​​​​​​​​i​j​min​⎩​⎨​⎧​​​lev​a, b​​(i, j−1)+1​lev​a, b​​(i−1, j)+1​lev​a, b​​(i−1, j−1)+1​(a​i​​≠b​i​​)​​​​​​​​​​​​, j=0​, i=0​, otherwise​​​​

Python代码实现, （其中要注意矩阵的下标从1开始，而字符串的下标从0开始）：

def normal_leven(str1, str2):
  len_str1 = len(str1) + 1
  len_str2 = len(str2) + 1
  # 创建矩阵
  matrix = [0 for n in range(len_str1 * len_str2)]
  #矩阵的第一行
  for i in range(len_str1):
    matrix[i] = i
  # 矩阵的第一列
  for j in range(0, len(matrix), len_str1):
    if j % len_str1 == 0:
      matrix[j] = j // len_str1
  # 根据状态转移方程逐步得到编辑距离
  for i in range(1, len_str1):
    for j in range(1, len_str2):
      if str1[i-1] == str2[j-1]:
        cost = 0
      else:
        cost = 1
      matrix[j*len_str1+i] = min(matrix[(j-1)*len_str1+i]+1,
                    matrix[j*len_str1+(i-1)]+1,
                    matrix[(j-1)*len_str1+(i-1)] + cost)
 
  return matrix[-1]  # 返回矩阵的最后一个值，也就是编辑距离