用随机起始点比较多个字符串之间的相似性

Question

我有一堆人的名字和他们各自的识别号码（例如社会保险号码/国民身份证号码/护照号码）。但是，由于重复，一个身份号码最多可以有100个名字，这些名字可能相似，也可能完全不同。E、 g.ID221可以有名称Richard Parker, Mary Parker, Aunt May, Parker Richard, M@rrrrryy Richard等等。有些拼写错误，但有些完全不同的名称。在

最初，我只想显示3个（或一个类似的小数目）尽可能不同于其他的名字，以提醒观众，多个名字不能是打字错误，甚至可能是身份盗窃或疏忽数据捕捉或其他任何情况！在

我读过一个检测相似性的算法，现在来看这个one，它允许你计算一个分数，分数为1表示两个字符串是相同的，而分数较低表示它们不同。在我的用例中，我如何通过说出100个名称并显示最不相似的3个名称？因为我觉得我需要一个起点，然后在所有其他算法之间进行比较，然后再循环等等，所以这个算法就从我的脑海中消失了

Answer 1

从https://stackoverflow.com/a/14631287/1082673获取函数，然后迭代列表中的所有组合。如果你没有那么多的条目，这是可行的，否则计算时间会增加得相当快

以下是如何为给定列表生成对：

import itertools

persons = ['person1', 'person2', 'person3']

for p1, p2 in itertools.combinations(persons, 2):
    print "Compare", p1, "and", p2