python判断字符串相似度

snowyseasons

于 2019-08-23 10:55:05 发布

2189

本文链接：https://blog.csdn.net/weixin_43120169/article/details/100033173

版权

参考Python 字符串相似性的几种度量方法

安装python-Levenshtein

直接去官网下载适合自己系统的python-Levenshtein.whl文件，进入文件目录，安装，如我的

pip install python_Levenshtein-0.12.0-cp37-cp37m-win_amd64.whl

测试字符串相似度算法

参考了上述链接的代码

# -*- coding: utf-8 -*-

import difflib
# import jieba
import Levenshtein

str1 = "我的骨骼雪白 也长不出青稞"
str2 = "雪的日子 我只想到雪中去si"

# 1. difflib
seq = difflib.SequenceMatcher(None, str1,str2)
ratio = seq.ratio()
print('difflib similarity1: ', ratio)

# difflib 去掉列表中不需要比较的字符
seq = difflib.SequenceMatcher(lambda x: x in ' 我的雪', str1,str2)
ratio = seq.ratio()
print('difflib similarity2: ', ratio)

# 2. hamming距离，str1和str2长度必须一致，描述两个等长字串之间对应位置上不同字符的个数
# sim = Levenshtein.hamming(str1, str2)
# print 'hamming similarity: ', sim

# 3. 编辑距离，描述由一个字串转化成另一个字串最少的操作次数，在其中的操作包括 插入、删除、替换
sim = Levenshtein.distance(str1, str2)
print('Levenshtein similarity: ', sim)

# 4.计算莱文斯坦比
sim = Levenshtein.ratio(str1, str2)
print('Levenshtein.ratio similarity: ', sim)

# 5.计算jaro距离
sim = Levenshtein.jaro(str1, str2 )
print('Levenshtein.jaro similarity: ', sim)

# 6. Jaro–Winkler距离
sim = Levenshtein.jaro_winkler(str1 , str2 )
print('Levenshtein.jaro_winkler similarity: ', sim)

输出结果为

difflib similarity1: 0.14814814814814814
difflib similarity2: 0.0
Levenshtein similarity: 13
Levenshtein.ratio similarity: 0.14814814814814814
Levenshtein.jaro similarity: 0.4061355311355312
Levenshtein.jaro_winkler similarity: 0.4061355311355312