用Python计算字符串的相似度

准备做一个小功能，需要计算字符串的相似度，提前做点功课。

算法

字符串相似度的算法以及有很多资料了。最常见的理解就是：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。AKA，两个字符串之间的距离。解这样一个问题，可以使用穷举法，也可以使用动态规划，大家可以自行搜索。贪婪法不适合这个问题。

python-Levenshtein

我需要使用python完成相似度的计算，因而选择了python-Levenshtein。python-Levenshtein的常用函数包括：

1） Levenshtein.hamming(str1, str2)计算 汉明距离。 要求str1和str2必须长度一致。是描述两个等长字串之间 对应 位置上 不同 字符的个数。2）Levenshtein.distance(str1, str2)计算 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 。3）Levenshtein.ratio(str1, str2)计算莱文斯坦比。计算公式  r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的长度总和，ldist是 类编辑距离。注意 ：这里的类编辑距离不是2中所说的编辑距离，2中三种操作中每个操作+1，而在此处，删除、插入依然+1，但是替换+2。这样设计的目的：ratio('a', 'c')，sum=2,按2中计算为（2-1）/2 = 0.5,’a','c'没有重合，显然不合算，但是替换操作+2，就可以解决这个问题。

测试结果

Distance360-lobby:360-loby                           1360-guest:360_guest                      1ICBC Free:ICBC Secure                  5ICBC_Sec:@ICBC                            5ICBC:IBCC                                         2ICBC:CBCI                                         2ICBC:IICCBBCC                               4ICBC:ICBCICBC                               4Ratio360-lobby:360-loby                         0.941176360-guest:360_guest                    0.888889ICBC Free:ICBC Secure                0.700000ICBC_Sec:@ICBC                          0.615385ICBC:IBCC                                       0.750000ICBC:CBCI                                       0.750000ICBC:IICCBBCC                             0.666667ICBC:ICBCICBC                             0.666667