如何在Python中比较两个句子字符串的相似性？

Question

我想先说我在用特威比。我找到了一种过滤相同字符串的方法，但我很难过滤出类似的字符串。

我有两个句子字符串需要比较（Tweepy关键字=“Donald Trump”）

字符串1:"Trump Administration Dismisses Surgeon General Vivek Murthy (http)PUGheO7BuT5LUEtHDcgm"

字符串2:"Trump Administration Dismisses Surgeon General Vivek Murthy (http)avGqdhRVOO"

如你所见，它们相似但不相同。我需要找到一种方法来比较两者，并得到一个数字值来决定是否应该将第二条tweet添加到第一条tweet中。当我使用SequenceMatcher()时，我以为我有解决方案，但它总是打印出来。我原以为它会大于0.5。然而序列匹配器似乎只适用于一个单词字符串（如果我错了，请纠正我）。

现在您可能在想，“只需剪接http部分”。这也不起作用，因为它不能解释像@cars:xyz zyx和@trucks:xyz zyx这样的人在tweet上的名字

有没有办法比较这两篇课文？这应该很简单，但不知为什么我找不到解决办法。我一周前刚学过Python。使用缩进来区分函数中的内容还是很奇怪的。

Answer 1

你要找的是两个字符串之间的编辑距离。编辑距离意味着在一个字符串上获得另一个字符串所需的替换、删除和插入的最小数量。这通常使用动态编程实现。这实际上是一个很酷的面试问题/项目来测试你的编程技能。

下面是一些implementations in python和一些描述。

用户aryamccarthy已经提到了jellyfish库，它已经实现了这个功能（Levenshtein Distance），并且有更多有趣的工具来处理匹配字符串。绝对值得一看。

Answer 2

您可以使用^{}中的^{}，即：

from difflib import SequenceMatcher

a = "I love Coding"
b = "I love Codiing"

ratio = SequenceMatcher(None, a, b).ratio()
# 0.9629629629629629

---

Demo