字符串的相似性比較應用場合很多，像拼寫糾錯、文本去重、上下文相似性等。

評價字符串相似度最常見的辦法就是：把一個字符串通過插入、刪除或替換這樣的編輯操作，變成另外一個字符串，所需要的最少編輯次數，這種就是編輯距離（editdistance）度量方法，也稱為Levenshtein距離。海明距離是編輯距離的一種特殊情況，只計算等長情況下替換操作的編輯次數，只能應用于兩個等長字符串間的距離度量。

其他常用的度量方法還有Jaccarddistance、J-W距離（Jaro–Winklerdistance）、余弦相似性（cosinesimilarity）、歐氏距離（Euclideandistance）等。

#-*-coding:utf-8-*-

importdifflib

#importjieba

importLevenshtein

str1="我的骨骼雪白也長不出青稞"

str2="雪的日子我只想到雪中去si"

#1.difflib

seq=difflib.SequenceMatcher(None,str1,str2)

ratio=seq.ratio()

print'difflibsimilarity1:',ratio

#difflib去掉列表中不需要比較的字符

seq=difflib.SequenceMatcher(lambdax:xin'我的雪',str1,str2)

ratio=seq.ratio()

print'difflibsimilarity2:',ratio

#2.hamming距離，str1和str2長度必須一致，描述兩個等長字串之間對應位置上不同字符的個數

#sim=Levenshtein.hamming(str1,str2)

#print'hammingsimilarity:',sim

#3.編輯距離，描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括插入、刪除、替換

sim=Levenshtein.distance(str1,str2)

print'Levenshteinsimilarity:',sim

#4.計算萊文斯坦比

sim=Levenshtein.ratio(str1,str2)

print'Levenshtein.ratiosimilarity:',sim

#5.計算jaro距離

sim=Levenshtein.jaro(str1,str2)

print'Levenshtein.jarosimilarity:',sim

#6.Jaro–Winkler距離

sim=Levenshtein.jaro_winkler(str1,str2)

print'Levenshtein.jaro_winklersimilarity:',sim

difflibsimilarity1:0.246575342466

difflibsimilarity2:0.0821917808219

Levenshteinsimilarity:33

Levenshtein.ratiosimilarity:0.27397260274

Levenshtein.jarosimilarity:0.490208958959

Levenshtein.jaro_winklersimilarity:0.490208958959