字符串相似度算法

字符串相似度算法

1. 介绍

最近项目中有一个小算法要求判断字符串大致内容相等，相当于模糊查询，正好查到了这个字符串相似算法。这个算法又被称为“编辑距离算法”，所谓编辑距离，就是用来计算从原串（s）转换到目标串(t)所需要的最少的插入，删除和替换的数目。

2.算法原理
这里，我们举一个简单的例子，计算字符串“abc”“abe”的相似度。首先，需要构建一个二维数组，用来算最大编辑距离。如图：

初始化二维数组，从B2到E2和从B2到B5顺次为0，1，2…下面我们需要填写这个二维数组的每一格数据，最终得到我们从abc到abe所需的最大编辑距离。
这里，每一个格子是这样的

每一个格子由他的左边的格子上边的格子和左上角的格子决定。

具体来说，每一个方框的数字可以这样得来：
1. 左边的数字加一
2. 上边的数字加一
3. 如果这一格对应的行和列字母不同的话， 左上角的数字加一，否则加零。

举个例子，我们现在填如图选定的那个框（c3）。

根据上面的方法，这个框里的数字来源有三种 ：
c2处得来的：1+1=2
b3处得来的：1+1=2
b2处得来的：因为a与a相同，所以0+0 = 0；
在这三个书中，我们找最小的数，即0填入即可。

看到这，恐怕很多看官很奇怪了，没事干为啥加一加零的，凭啥就左上角的数要分情况？不要急，我们在看一个例子，有了这个例子我想回更好理解。

这次我们填c4：