Sweet Snippet 之 字符串编辑距离

字符串编辑距离的简单实现

字符串编辑距离应该是动态规划中的代表问题了:

给定两个字符串 $a$ 与 $b$,求解将 $a$ 编辑至 $b$ 的操作步数(距离),编辑包含以下两种操作:

• 删除某一字符
• 增加某一字符

(这里我们不允许变更某一字符,注意一下)

求解方法则是根据子问题的结果"递推"出原问题的结果:

设字符串 $a$ 的长度为 $m$, 字符串 $b$ 的长度为 $n$, 我们定义问题 $C(i,j)$

$C(i,j)$ : $a$ 的(前缀)子串(长度为 $i$) 与 $b$ 的(前缀)子串(长度为 $j$) 的字符串编辑距离.

接着就是 $C(i,j)$ 的递推公式了(这里就不做细节的讲述了,不熟悉的朋友可以参考进一步的资料)

$$C(i,j)=\{\begin{array}{rlr}& i,& ifj=0\\ & j,& ifi=0\\ & C(i-1,j-1),& ifa[i]=b[j]\\ & min(C(i-1,j),C(i,j-1))+1,& otherwise\end{array}$$

下面简单列份实现(Lua):

-- get key from two index
function get_key(m, n)
    return m .. "_" .. n
end

function edit_dist_iter(a, b, m, n)
    local edit_dist_buffer = {}
    
    edit_dist_buffer[get_key(0, 0)] = 0
    
    for i = 1, m do
        edit_dist_buffer[get_key(i, 0)] = i
    end
    
    for i = 1, n do
        edit_dist_buffer[get_key(0, i)] = i
    end
    
    for i = 1, m do
        for j = 1, n do
            local ac = a:sub(i, i)
            local bc = b:sub(j, j)
            if ac == bc then
                edit_dist_buffer[get_key(i, j)] = edit_dist_buffer[get_key(i - 1, j - 1)]
            else
                local d1 = edit_dist_buffer[get_key(i - 1, j)]
                local d2 = edit_dist_buffer[get_key(i, j - 1)]
                edit_dist_buffer[get_key(i, j)] = math.min(d1, d2) + 1
            end
        end
    end
    
    return edit_dist_buffer[get_key(m, n)]
end

function edit_dist(a, b)
    return edit_dist_iter(a, b, #a, #b)
end

以上的代码使用了迭代形式,我们也可以用递归形式(来编写代码),只是递归会引起不少的重复计算,所以(工程)实现上,我们需要使用缓存来记录计算过的子问题结果(迭代版本也使用了缓存,作用上和递归版本其实也是一致的,记录的也是子问题的结果):

-- get key from two index
function get_key(m, n)
    return m .. "_" .. n
end

function edit_dist_recur(a, b, m, n, buffer)
    if m <= 0 then
        -- result is trivial, do not need buffer
        return n
    elseif n <= 0 then
        -- result is trivial, do not need buffer
        return m
    else
        local ac = a:sub(m, m)
        local bc = b:sub(n, n)
        if ac == bc then
            local d = buffer[get_key(m - 1, n - 1)]
            if d then
                buffer[get_key(m, n)] = d
                return d
            else
                local d = edit_dist_recur(a, b, m - 1, n - 1, buffer)
                buffer[get_key(m, n)] = d
                return d
            end
        else
            local d1 = buffer[get_key(m - 1, n)]
            if not d1 then
                d1 = edit_dist_recur(a, b, m - 1, n, buffer)
            end
            
            local d2 = buffer[get_key(m, n - 1)]
            if not d2 then
                d2 = edit_dist_recur(a, b, m, n - 1, buffer)
            end
            
            local d = math.min(d1, d2) + 1
            buffer[get_key(m, n)] = d
            return d
        end
    end
end

function edit_dist(a, b)
    -- create buffer
    local edit_dist_buffer = {}
    return edit_dist_recur(a, b, #a, #b, edit_dist_buffer)
end

另外还看到一种基于编辑图(Edit Graph)的实现方式,不过思路上仍然和之前的讲述是一致的,实现上则会更复杂些,在此就不列代码了~

更多资料

• 编辑距离 (Edit distance)
• 编辑距离算法（Edit Distance）
• wiki