Levenshtein距離

萊文斯坦距離，又稱Levenshtein距離，是編輯距離的一種。 指兩個字串之間，由一個轉成另一個所需的最少編輯操作次數。 允許的編輯操作包括將一個字符替換成另一個字符，插入一個字符，刪除一個字符。

GitHub 提供了計算萊文斯坦距離的包。
安裝方法：

pip install python-Levenshtein

https://www.lfd.uci.edu/~gohlke/pythonlibs/ 里面查找python-Levenshtein.xxx.whl 離線安裝

1 Levenshtein

1.1 漢明距離

• Levenshtein.hamming(str1, str2)
  計算漢明距離。要求str1和str2必須長度一致。是描述兩個等長字串之間對應位置上不同字符的個數。

  • 插入一個字符 +1
  • 刪除一個字符 +1
  • 替換一個字符 +1

  import Levenshtein.hamming
  Levenshtein.hamming('hello', 'world')
  # 4
  Levenshtein.hamming('abc', 'abd')
  # 1
  

1.2 編輯距離

• Levenshtein.distance(str1, str2)
  計算編輯距離（也成Levenshtein距離）。是描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括插入、刪除、替換。

• 編輯距離計算方式

  • 插入一個字符 +1
  • 刪除一個字符 +1
  • 替換一個字符 +1

  import Levenshtein.distance
  Levenshtein.distance('hello', 'world')
  # 4
  Levenshtein.distance('abc', 'abd')
  # 1
  Levenshtein.distance('abc', 'aecfaf')
  # 4
  

1.3 萊文斯坦比

• Levenshtein.ratio(str1, str2)
  計算萊文斯坦比。計算公式 r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的長度總和，ldist是類編輯距離
  注意：這里的類編輯距離與編輯距離不同

• 類編輯距離計算方式

  • 插入一個字符 +1
  • 刪除一個字符 +1
  • 替換一個字符 +2

  萊文斯坦比越接近1，則兩個字符串越接近

  import Levenshtein.ratio
  Levenshtein.ratio('hello', 'world')  # (10 -8) / 10
  0.2
  Levenshtein.ratio('abc', 'aecfaf')  # (9 - 2 - 3) / 9
  0.4444444444444444
  Levenshtein.ratio('abc', 'abd')  # (6 - 2) / 6
  0.6666666666666666
  Levenshtein.ratio('abc', 'abc')  # (6 - 0) / 6
  1.0