python比较两个字符串相似度,【Python】比较字符串相似度

ゝ一世哀愁。 2023-01-17 04:55 195阅读 0赞

字符串相似度应用场景：拼写纠错、文本去重、上下文相似性、不同来源数据对比等。

评价字符串相似度最常见的办法就是：把一个字符串通过插入、删除或替换这样的编辑操作，变成另外一个字符串，所需要的最少编辑次数，这种就是编辑距离(edit distance)度量方法，也称为Levenshtein距离。

方法1、difflib模块

1 \# 优点：python自带模块，效率比较高

2 def similar\_diff\_ratio(str1, str2):

3 return difflib.SequenceMatcher(None, str1, str2).ratio()

4

5 \# quick\_ratio()比ratio()计算效率更高，计算结果一致

6 def similar\_diff\_qk\_ratio(str1, str2):

7 return difflib.SequenceMatcher(None, str1, str2).quick\_ratio()

8

9 \# None参数是一个函数，用来去掉不需要比较的字符。比如，列表lst\_str表示计算相似度时不需要比较的字符

10 def similar\_diff\_ratio\_filter(lst\_str, str1, str2):

11 return difflib.SequenceMatcher(lambda x: x in lst\_str, str1, str2).ratio()

12

13 print(similar\_diff\_ratio("临安区中小企业创业基地", "临安区电子商务科技园"))

14 print(similar\_diff\_qk\_ratio("临安区中小企业创业基地", "临安区电子商务科技园"))

15 \# 有一点疑问，将不需要比较的字符加入后，相似度计算结果没变化，欢迎大佬留言解惑，谢谢！

16 lst\_str = \['临安区', '创业', '为什么', '忽略', '某些字符之后', '相似度还是一致'\]

17 print(similar\_diff\_ratio\_filter(lst\_str, "临安区中小企业创业基地", "临安区电子商务科技园"))

0.2857142857142857

0.2857142857142857

0.2857142857142857

方法2、通过在长度较短的字符串末尾补充空格，将2个字符串处理成等长，然后从左至右比较同位置字符串

1 def similar\_left(str1, str2):

2 str1 = str1 + ' ' \* (len(str2) - len(str1))

3 str2 = str2 + ' ' \* (len(str1) - len(str2))

4 return sum(1 if i == j else 0 for i, j in zip(str1, str2)) / float(len(str1))

5

6 print(similar\_left("临安区中小企业创业基地", "临安区电子商务科技园"))

7 print(similar\_left("临安区电子商务科技园", "园技科务商子电区安临"))

0.2727272727272727

0.0

方法3、Levenshtein模块

3.1、相似度

1 \# 莱文斯坦比

2 def similar\_lvst\_ratio(str1, str2):

3 return Levenshtein.ratio(str1, str2)

4

5 \# jaro距离

6 def similar\_lvst\_jaro(str1, str2):

7 return Levenshtein.jaro(str1, str2)

8

9 \# Jaro–Winkler距离

10 def similar\_lvst\_winkler(str1, str2):

11 return Levenshtein.jaro\_winkler(str1, str2)

12

13 print(similar\_lvst\_ratio("临安区中小企业创业基地", "临安区电子商务科技园"))

14 print(similar\_lvst\_jaro("临安区中小企业创业基地", "临安区电子商务科技园"))

15 print(similar\_lvst\_winkler("临安区中小企业创业基地", "临安区电子商务科技园"))

0.2857142857142857

0.5242424242424243

0.666969696969697

3.2、相似性度量

1 \# distance编辑距离(也称为Levenshtein距离 )。是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。

2 def similar\_lvst\_distance(str1, str2):

3 return Levenshtein.distance(str1, str2)

4

5 \# hamming汉明距离是编辑距离的一种特殊情况。 要求str1和str2必须长度一致，描述两个等长字串之间对应位置上不同字符的个数。

6 def similar\_lvst\_hamming(str1, str2):

7 return Levenshtein.hamming(str1, str2)

8

9 print(similar\_lvst\_distance("临安区中小企业创业基地", "临安区电子商务科技园"))

10 print(similar\_lvst\_hamming("临安区中小企业创业基地", "临安区电子商务科技园区"))

8

8

其他常用相似性度量方法还有 Jaccard distance、J-W距离(Jaro–Winkler distance)、余弦相似性(cosine similarity)、欧氏距离(Euclidean distance)等。

若想对以上方法有更深入研究，可参考大佬博客：https://www.cnblogs.com/wt869054461/p/5777782.html

标签：ratio,Python,str2,str1,print,相似,临安,字符串,similar

来源： https://www.cnblogs.com/hforevery0/p/14375286.html

发表评论取消回复

表情：

评论列表（有 0 条评论，195人围观）

还没有评论，来说两句吧...

相关阅读

相关图片相似度比较_python

-- coding : UTF-8 -- import cv2 as cv from PIL import Image import

ゝ一纸荒年。/ 2023年10月18日 21:42/ 0 赞/ 11 阅读

相关 python比较两个字符串相似度,【Python】比较字符串相似度

字符串相似度应用场景：拼写纠错、文本去重、上下文相似性、不同来源数据对比等。评价字符串相似度最常见的办法就是：把一个字符串通过插入、删除或替换这样的编辑操作，变成另外一个字

ゝ一世哀愁。/ 2023年01月17日 04:55/ 0 赞/ 196 阅读

相关 php 两个字符串相似度,比较两个字符串的相似度

比较两个字符串的相似度public class Levenshtein \{ private int compare(String str, String target) \

太过爱你忘了你带给我的痛/ 2023年01月13日 04:02/ 0 赞/ 177 阅读

相关 html 字符串相似度,fuzzywuzzy：计算两个字符串之间的相似度

楔子 fuzzywuzzy是用来计算两个字符串之间的相似度的，它是依据Levenshtein Distance算法来进行计算的 Levenshtein Distance 算

女爷i/ 2022年10月11日 03:54/ 0 赞/ 219 阅读

相关计算字符串相似度及寻找最相似字符串的代码

计算两个字符串的差异距离函数 /// <summary> /// 计算两个字符串的差异距离 /// </summary> /// <param

灰太狼/ 2022年10月02日 15:56/ 0 赞/ 229 阅读

相关计算两个中文字符串相似度——编辑距离算法

Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除

淩亂°似流年/ 2022年08月10日 04:49/ 0 赞/ 278 阅读

相关字符串相似度计算

对于不同的字符串，我们希望能够有办法判断其相似程序。我们定义一套操作方法来把两个不相同的字符串变得相同，具体的操作方法为： 1.修改一个字符（如把“a”替换为“b”）;　　

冷不防/ 2022年08月06日 00:27/ 0 赞/ 211 阅读

相关 JAVA 比较两张图片的相似度

1. import java.awt.image.BufferedImage; 2. import java.io.File; 3. import ja

末蓝、/ 2022年05月26日 09:18/ 0 赞/ 223 阅读

相关计算字符串的相似度

转自：[http://www.cnblogs.com/yujunyong/articles/2004724.html][http_www.cnblogs.com_yujunyo

川长思鸟来/ 2022年05月24日 12:10/ 0 赞/ 273 阅读

相关计算字符串的相似度

1.百度百科介绍： Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一

旧城等待，/ 2022年03月20日 10:14/ 0 赞/ 282 阅读