计算字符串的距离

最新推荐文章于 2021-11-27 20:58:48 发布

原创最新推荐文章于 2021-11-27 20:58:48 发布 · 883 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#Python3.6 #算法

算法专栏收录该内容

87 篇文章

订阅专栏

本文介绍了一种衡量两个字符串相似度的方法——Levenshtein距离，并提供了一个Python实现的例子。该算法通过计算最少编辑操作次数来确定字符串间的距离。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

题目描述

Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的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。编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。

Ex：

字符串A:abcdefg

字符串B: abcdef

通过增加或是删掉字符”g”的方式达到目的。这两种方案都需要一次操作。把这个操作所需要的次数定义为两个字符串的距离。

要求：

给定任意两个字符串，写出一个算法计算它们的编辑距离。

输入描述:

输入两个字符串

输出描述:

得到计算结果

输入：

abcdefg
abcdef

输出：

代码如下：

while True:
    try:
        def string_distance(a,b):
            m=len(a)+1
            n=len(b)+1
            dp=[[0]*n for i in range(m)]
            for i in range(m):
                dp[i][0]=i
            for j in range(n):
                dp[0][j]=j
            for i in range(1,m):
                for j in range(1,n):
                    if a[i-1]==b[j-1]:
                        cost=0
                    else:
                        cost=1
                    oblique=dp[i-1][j-1]+cost
                    upper=dp[i-1][j]+1
                    left=dp[i][j-1]+1
                    dp[i][j]=min(oblique,upper,left)
            return dp[m-1][n-1]
 
        a=input()
        b=input()
        nn=string_distance(a,b)
        print(nn)
    except:
        break