带twis的拼写检查器

Question

有一个快速的问题，关于拼写检查，但有一个扭曲。实际上，它比你的常规拼写检查更模糊，因为它不是纠正你的单词，而是根据你与单词的接近程度来判断你的正确程度。例如，如果一个字符串与另一个基于两个或更少字符的字符串不同，例如“hello and hallo”，它将声明“neary there”。下面是我尝试编写的代码。你知道吗

def spell_checker(correct, guess):
    if guess==correct:
        print("Correct")
    if guess!=correct:
        for g in guess:
        for f in correct:
            if g!=f:
                print("nearly there")
            else:
                print("Wrong")

显然，我意识到这是一个相当粗糙的答案，因为它没有谈到错误的范围，但老实说，我找不到一种方法，把错误的范围纳入word。即使当我看到对nltk答案的回应时，我也不知道从何说起。你知道吗

应用“hello，hallo”示例时，答案的输出如下

错 几乎 几乎 几乎 几乎 几乎 几乎 几乎 几乎 几乎 几乎 几乎 错 错 几乎 几乎 几乎 错 错 几乎 几乎 几乎 几乎 几乎 错

我相信它几乎贯穿每一个字符，并说明是否一个字符是相似的另一个。如果你能帮上忙我会很感激的

Answer 1

代码的问题是，您将第一个单词中的每个字符与另一个单词中的每个字符进行比较。如果只想比较同一位置的字符，一种非常简单的方法是zip这两个单词并计算不匹配的字符：

>>> a, b = "hello", "hallo"
>>> sum(x != y for x, y in zip(a, b))
1

但是如果单词的长度不一样，这当然会失败。此外，它不能很好地处理丢失或多余的字符：

>>> a, b = "correct", "corect"
>>> sum(x != y for x, y in zip(a, b))
3

更好的方法是计算两个字符串之间的edit distance。如果不想自己实现算法，可以使用^{}：

>>> list(difflib.ndiff(a, b))
['  c', '  o', '- r', '  r', '  e', '  c', '  t']
>>> sum(d[0] != " " for d in difflib.ndiff(a, b))
1

但是，请注意，这将计算两次替换：一次用于删除的字符，一次用于插入的字符。你可以通过不加1来解决这个问题，如果你得到一个+后接一个-，反之亦然，作为练习留给感兴趣的读者。你知道吗

不管怎样，只要计算不匹配字符的数量，如果这个数字足够小，就打印"almost"。你知道吗

def spell_checker(correct, guess):
    if guess==correct:
        print("correct")
    elif sum(d[0] != " " for d in difflib.ndiff(correct, guess)) <= 2:
        print("almost")
    else:
        print("wrong")