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...