蟒蛇搜索技术：单词类似

Question

我想要得到的两个词的相似百分比，例如）

abcd versus zzabcdzz == 50% similarity 

不需要非常精确。有没有办法做到这一点？我正在使用python，但随时可以推荐其他语言。

Answer 1

尝试使用python-Levenshtein来计算edit distance。

的的Levenshtein的Python C扩展模块含有用于

• 的Levenshtein（编辑）的距离，和编辑操作
• 字符串相似
• 近似平均串快速计算，并且通常串平均
功能
• 字符串序列和集合相似度

通过计算两个字符串之间的编辑距离除以最长字符串的长度，可以大致了解相似度。在你的例子中，编辑距离是4，最大可能的编辑距离是8，所以相似度是50％。

Answer 2

从NLTK库一定的相似性指标：

http://www.opendocs.net/nltk/0.9.5/api/nltk.wordnet.similarity-module.html

Answer 3

你可以使用Python内置模块difflib

下面是该页面的例子

>>> s = SequenceMatcher(None, "abcd", "bcde") 
>>> s.ratio() 
0.75 

Answer 4

从that答案复制：

在Python中，有difflib。

difflib提供了SequenceMatcher类，它可以用来给你一个相似比。示例功能：

def text_compare(text1, text2, isjunk=None): 
    return difflib.SequenceMatcher(isjunk, text1, text2).ratio()