计算两个文本块之间的百分比差异的算法
我一直在研究如何找到有效的解决方案。我研究了差异引擎(谷歌的diff-match-patch,python的diff)和一些最长的通用链算法。
我希望能收到你们关于如何解决此问题的建议。您想特别推荐任何算法或库吗?
回答:
我不知道“最长共同的[[chain?substring?]]”与“ percent
Difference”有什么关系,尤其是在评论中看到您期望两个字符串中的一个字符相差很小时,%差异很小。中间(因此它们最长的公共子字符串大约是字符串长度的一半)。
忽略“最长共同点”的陌生性,并将“百分比差异”定义为字符串之间的编辑距离除以最大长度(当然是100倍;-),那么:
def levenshtein_distance(first, second): """Find the Levenshtein distance between two strings."""
if len(first) > len(second):
first, second = second, first
if len(second) == 0:
return len(first)
first_length = len(first) + 1
second_length = len(second) + 1
distance_matrix = [[0] * second_length for x in range(first_length)]
for i in range(first_length):
distance_matrix[i][0] = i
for j in range(second_length):
distance_matrix[0][j]=j
for i in xrange(1, first_length):
for j in range(1, second_length):
deletion = distance_matrix[i-1][j] + 1
insertion = distance_matrix[i][j-1] + 1
substitution = distance_matrix[i-1][j-1]
if first[i-1] != second[j-1]:
substitution += 1
distance_matrix[i][j] = min(insertion, deletion, substitution)
return distance_matrix[first_length-1][second_length-1]
def percent_diff(first, second):
return 100*levenshtein_distance(a, b) / float(max(len(a), len(b)))
a = "the quick brown fox"
b = "the quick vrown fox"
print '%.2f' % percent_diff(a, b)
Levenshtein函数来自Stavros的博客。在这种情况下,结果将是5.26(差异百分比)。
以上是 计算两个文本块之间的百分比差异的算法 的全部内容, 来源链接: utcz.com/qa/400819.html