最近在文字处理，用到Levenshtein这个包，发现一篇好文，转自https://www.jb51.net/article/98449.htm

至于要装Levenshtein这个包，而又不想装VC+的可以向我伸手，看见的话会发一下whl文件

编辑距离：又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少的编辑操作次数。编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。一般来说，编辑距离越小，两个串的相似度越大。

Levenshtein的应用

Levenshtein.distance(str1,str2)计算编辑距离。是描述一个字符串转化成另一个字串最少的操作次数，在其中的操作包括插入、删除、替换。算法实现：动态规划。

Levenshtein.hamming(str1,str2)

计算汉明距离，要求str1和str2必须长度一致。是描述两个等长字串之间对应位置上不同字符的个数。

Eg：

Levenshtein.hamming('abc','aac')=1

Levenshtein.ratio(str1,str2)

计算莱文斯坦比。计算公式其中sum1是指str1和str2字串的长度总和，ldist是类编辑距离。注意这里是类编辑距离，在类编辑距离中删除、插入依然+1，但是替换+2。

计算Jaro距离

两个给定字符串S1和S2的Jaro距离为：

其中m为s1，s2匹配的字符数，t是换位的数目。

两个分别来自S1和S2的字符如果相距不超过

 时，

我们就认为这两个字符串是匹配的；而这些相互匹配的字符则决定了换位的数目t，简单来说就是不同顺序的匹配字符的数目的一半即为换位的数目t。举例来说，MARTHA与MARHTA的字符都是匹配的，但是这些匹配的字符串中，T和H要换位才能把MARTHA变为MARHTA，那么T和H就是不同的顺序的匹配字符，。

两个字符串的Jaro Distance即为:

Levenshtein.jaro_winkler(s1,s2)

计算Jaro-Winkler距离,而Jaro-Winkler则给予了起始部分就相同的字符串更高的分数，他定义了一个前缀p，给予两个字符串，如果前缀部分有长度为l的部分相同，则Jaro-Winkler 距离为

是两个字符串的Jaro距离

l是前缀的相同的长度，但是规定最大为4

p是调整分数的常数，规定不能超过25，不然可能出现dw大于1的情况，Winkler将这个常数定义为0.1

这样，上面提及的MARTHA和MARHTA的Jaro-Winkler距离为