常见编程题之编辑距离的实现

一.问题

在计算文本的相似性时，经常会用到编辑距离。编辑距离，又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。通常来说，编辑距离越小，两个文本的相似性越大。这里的编辑操作主要包括三种：

• 插入：将一个字符插入某个字符串；
• 删除：将字符串中的某个字符删除；
• 替换：将字符串中的某个字符替换为另外一个字符。

以上摘自链接[1]

二.解决方式

解决方法有好几种，这里说明动态规划的实现

动态规划的思想是将问题划分为子问题，这个问题的迭代式为：

(1) 当s1[i]=s2[j]时，DP[i][j]=DP[i-1][j-1]

(2) 当s1[i=!=s2[j]时，DP[i][j]=min{DP[i-1][j],DP[i][j-1],DP[i-1][j-1]}+1

DP[i][j]表示s1中以s1[i]结尾的字符串和s2中以s2[j]结尾的子串的编辑距离

关于上面(2)中的子问题的解释：

求以s1[i]和s2[j]结尾的连个子串的编辑距离的问题，可以转换为求解三个子问题：

求解以s1[i-1]和s2[j]结尾的子串的编辑距离；对应的操作是在s1中删除元素s1[i]

求解以s1[i]和s2[j-1]结尾的子串的编辑距离；对应的操作是在s1中元素s1[i]的后面插入一个元素s2[j]

求解以s1[i-1]和s2[j-1]结尾的子串的编辑距离；对应的操作是将元素s1[i]替换为s2[j]

这也是常见的字符串问题的子问题划分思路：比如求两个字符串的最长公共子串、某个字符串的最长回文子串、最长回文子序列

三.python代码实现如下：

def EditDis(s1,s2):
    m=len(s1)
    n=len(s2)
    DP=[[0 for i in range(m)] for j in range(n)]
    for i in range(n):
        for j in range(m):
            if i==0:
                DP[i][j]=j
            elif j==0:
                DP[i][j]=i
            else:
                if s1[j]==s2[i]:
                    if i>0 and j>0:
                        DP[i][j]=DP[i-1][j-1]
                else:
                    DP[i][j]=min(DP[i][j-1],DP[i-1][j],DP[i-1][j-1])+1
    return DP[n-1][m-1]

参考链接：

1.https://www.jianshu.com/p/9a53f32cf62b

2.http://www.manongjc.com/article/35209.html