如何在 Python 中比较两个字符串（英语除外）之间的相似性

Posted 2023-02-24

【中文标题】如何在 Python 中比较两个字符串（英语除外）之间的相似性

【英文标题】：How to compare similarity between two strings (other than English language) in Python

【发布时间】：2021-11-21 09:48:17

【问题描述】：

我想找出两个字符串之间的相似性 示例

string1 = "One"
string2 = "one"

我希望答案在 0 和 1 之间。对于上述两个字符串，我们得到 1。 现在我正在使用“Jellyfish”，这是 python 中的一个模块，它具有 jaro_distance() 函数。 但缺点是我只能比较两个只包含英文单词和其他特殊字符的字符串。但我想比较其他语言的两个字符串，比如旁遮普语

string1 = "ਬੁੱਧਵਾਰ"
string2 = "ਬੁੱਧਵਾ"

我尝试了相同的 jaro_distance() 函数，但我得到了

>>score = jellyfish.jaro_distance(unicode(string1), unicode(string2))
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe0 in position 0: ordinal not in range(128)

在将它们提供给函数之前，我尝试对它们进行编码和解码。 有没有办法将 jaro_distance() 用于其他语言，或者是否有其他可用的模块/功能？ 你们能帮我解决这个问题吗？

【参考方案1】：

您可以使用内置模块difflib中的SequenceMatcher

代码示例：

import difflib

print(difflib.SequenceMatcher(None, "ਬੁੱਧਵਾਰ", "ਬੁੱਧਵਾ").ratio())

输出：

0.9230769230769231