文本处理-英文拼写检查

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

1. 掌握使用编辑距离和海明距离计算字符串间相似度；
2. 通过实验理解编辑距离和海明距离的分析计算过程。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、介绍

1. 实验1：用编辑距离计算两个自定义字符串间的相似度；
2. 实验2：用海明距离分别计算二进制数间的相似度和字符串间的相似度。
   （要求二进制数间的相似度计算用按位异或的思想）

二、实验 1

代码如下（示例）：

def edit_dist(string1, string2):
    m, n = len(string1), len(string2)
    arr = [[0 for x in range(n + 1)] for x in range(m + 1)]
    for i in range(m+1): 
        for j in range(n+1):
            if i == 0: 
                arr[i][j] = j
            elif j == 0:
                arr[i][j] = i
            elif string1[i - 1] == string2[j - 1]:
                arr[i][j] = arr[i - 1][j - 1]
            else: 
                arr[i][j] = 1 + min(arr[i][j - 1],
                                    arr[i - 1][j],
                                    arr[i - 1][j - 1])
  
    return arr[m][n]
s1= "ccaca"
s2= "aaca"
print(edit_dist(s1, s2))

2.实验 2

代码如下（示例）：

def hamming_dist1(x, y):
    n = x ^ y
    return bin(n).count('1')
print(hamming_dist1(12, 10))
def hamming_dist2(s1, s2):
    if len(s1) != len(s2):
        raise ValueError("不等长")
    return sum(el1 != el2 for el1, el2 in zip(s1, s2))

s1= "ccaca"
s2= "aaca"
print(hamming_dist2(s1, s2))

总结

2.