Python實現計算最小編輯距離

2022-10-04 22:00:30 字數 1505 閱讀 4065

最小編輯距離或萊文斯坦距離(levenshtei指由字串a轉化為字串b的最小編輯次數。允許的編輯操作有:刪除,插入,替換。具體內容可參見:維基百科—萊文斯坦距離。一般**實現的方式都是通過動態規劃演算法,找出從a轉化為b的每一步的最小步驟。從google借來的圖,

python**實現, (其中要注意矩陣的下標從1開始,而字串的下標從0開始):

def normal_leven(str1, str2):

len_str1 = len(str1) + 1

len_str2 = len(str2) + 1

#create matrix

matrix = [0 for n in range(len_str1 * len_str2)]

#init x axis

for i in range(len_str1):

matrix[i] = i

#init y axis

for j in range(0, len(matrix), len_str1):

if j % len_str1 == 0:

matrix[j] = j // len_str1

for i in range(1, len_str1):

for j in range(aguna1, len_str2):

if str1[i-1] == str2[j-1]:

cost = 0

else:

cost = 1

matrix[j*len_str1+i] = min(matrix[(j-1)*len_str1+i]+1,

matrix[j*len_str1+(i-1)]+1,

matrix[(j-1)*len_straguna1+(i-1)] + cost)

return matrix[-1]

最近看文章看到python庫提供了乙個包difflib實現了從物件a轉化物件b的步驟,那麼計算最小編輯距離的**也可以這樣寫了:

def difflib_leven(str1, str2):

leven_cost = 0

s = difflib.sequencematcher(none, str1, str2)

for tag, i1, i2, j1, j2 in s.get_opcodes():

#print(' a[{}: {}] --> b[{}: {}] {} --> {}'.format(tag, i1, i2, j1, j2, str1[i1: i2], str2[j1: j2]))

if tag == 'replace':

leven_cost += max(i2-i1, j2-j1)

elif tag == 'insert':

leven_cost += (j2-j1)

elif tag == 'delete':

leven_cost += (i2-i1)

return leven_cost

**位址

本文位址: /jiaoben/python/145088.html

Python如何計算編輯距離?

演算法原理 在計算文字的相似性時,經常會用到編輯距離。編輯距離,又稱levenshtein距離,是指兩個字串之間,由乙個轉成另乙個所需的最少編輯操作次數。通常來說,編輯距離越小,兩個文字的相似性越大。這裡的編輯操作主要包括三種 下面通過示例來看一下。1 batyu變為beatyu 插入字元e 2 b...

Python如何計算編輯距離?

演算法原理 在計算文字的相似性時,經常會用到編輯距離。編輯距離,又稱levenshtein距離,是指兩個字串之間,由乙個轉成另乙個所需的最少編輯操作次數。通常來說,編輯距離越小,兩個文字的相似性越大。這裡的編輯操作主要包括三種 下面通過示例來看一下。1 batyu變為beatyu 插入字元e 2 b...

利用最小編輯距離演算法實現文字diff

最近在公司一直在做diff的事情,對於文字的diff。因為一開始維基百科實現文字的diff做得比較不錯,所以就調研了下mediawiki的diff實現,但發現mediawiki預設只能diff到行的級別,如果要diff到漢字的級別,是需要更改 的。所以我就改了該mediawiki的 發現可以得到相應...