python 文本相似度_用Python计算文本的相似度

本文最后更新于2014年11月8日，已超过 1 年没有更新，如果文章内容失效，还请反馈给我，谢谢！

用Python计算文本的相似度

因为后期会需要用到这方面的知识，所以先提前准备准备；如何判断网页返回内容的相似度？

找到了几个Python的方法和库：

还有高大上的“TF-IDF方法”{之前在《数学之美》中看到过，但这里我就不考虑了}

下面主要记录用不同的Python库来计算两段文本之间的相似度（最后要得到的就是一个百分比）：

方法一：difflib

>>> import difflib

>>> difflib.SequenceMatcher(None, 'abcde', 'abcde').ratio()

1.0

>>> difflib.SequenceMatcher(None, 'abcde', 'zbcde').ratio()

0.80000000000000004

>>> difflib.SequenceMatcher(None, 'abcde', 'zyzzy').ratio()

0.0

方法二：Levenshtein

import Levenshtein 报错：ImportError: No module named Levenshtein

于是去：python-Levenshtein 下载源码进行安装（在http://www.lfd.uci.edu/~gohlke/pythonlibs/#python-levenshtein 其实也有编译好的exe），第一次安