python 编辑距离_最小编辑距离(Levenshtein)的 Python 实现

一直以为这个算法实现起来的代码量很高，直到最近刷 《Speech and Language Processing》，用动态规划做起来，简单、优雅。

算法原理

字符串 X，Y 的长度分别是 i, j 求他们的最小编辑距离。

只会有 insertion/deletion/substitution 3 个操作。

所有，有 3 个方法可以从子串推导出他们的最小编辑距离。

在 1966 年 Levenshtein 的论文里，insertion/deletion/substitution 3 个操作的 cost 都是 1。leetcode 上也是这个版本。

Levenshtein 还建议了另外一个版本，insertion/deletion 的 cost 是 1，禁止 substitution。等价于 substitution 的 cost 为 2（一增一减）

伪代码

时间复杂度为 O(mn), 空间复杂度 O(m)。

空间复杂度可以优化到 O(min(m,n))，但没有做。

案例

计算 execution 和 intention 的最小编辑距离，insertion 和 deletion 的 cost 为 1，substitution 的 cost 为 2. 得到的 D 矩阵如下

Python 实现

def minDistance(word1, word2):

if not word1:

return len(word2 or '') or 0

if not word2:

return len(word1 or '') or 0

size1 = len(word1)

size2 = len(word2)

last = 0

tmp = range(size2 + 1)

value = None

for i in range(size1):

tmp[0] = i + 1

last = i

# print word1[i], last, tmp

for j in range(size2):

if word1[i] == word2[j]:

value = last

else:

value = 1 + min(last, tmp[j], tmp[j + 1])

# print(last, tmp[j], tmp[j + 1], value)

last = tmp[j+1]

tmp[j+1] = value

# print tmp

return value

简单的测试代码

assert minDistance(None, None) == 0

assert minDistance(None, '') == 0

assert minDistance('', None) == 0

assert minDistance(None, '1') == 1

assert minDistance('22', None) == 2

assert minDistance('', '') == 0

assert minDistance('h', '') == 1

assert minDistance('', 'r') == 1

assert minDistance('horse', '') == 5

assert minDistance('', 'ros') == 3

assert minDistance('h', 'r') == 1

assert minDistance('horse', 'ros') == 3

leetcode 性能统计

遗留的问题substitution 取 1 和 2 的效果对比