如何确定两个字符串的相似程度（直到某一点）[关闭]答案

【问题标题】：How to Determine how similar two strings are (until a certain point) [closed]如何确定两个字符串的相似程度（直到某一点）[关闭]
【发布时间】：2020-08-10 22:15:05
【问题描述】：

我有一个字符串列表['49275', '49287', '69674', '43924']

我想看看它们与某个值有多相似（比如说'49375' 但是一旦存在差异，超出差异的所有内容都需要算作不相似（即使它们是相似的）

所以'49375' 和'49275' 的相似度应该是 0.4 而不是 0.8

我尝试了下面的代码，但我被难住了，一定有更好的方法。

l = ['49275', '49287', '69674', '43924']
x = '49375'

listy = []
for i in l:
  for n in range(len(x)):
    if x[n] == i[0][n]:
      listy.append((n+1)/len(x))
    if x[n] != i[0][n]:
      break

我希望输出是一个相似性数字列表，即：[0.4, 0.4, 0, 0.2]

谢谢！

【问题讨论】：

请提供预期的minimal, reproducible example。显示中间结果与您的预期不同的地方。 “我被难住了”不是问题规范：向我们展示您的输出，以及您的内部流程与您的预期有何不同。

标签： python string for-loop similarity

【解决方案1】：

你很亲密。您只想在字符不匹配的位置（即在break 之前）附加到listy，或者如果循环在没有break 的情况下完成，则附加1.0。

还请注意，您需要 i[n] 而不是 i[0][n] - i[0][n] 给了您一个 IndexError，因为您正在获取第一个字符，然后尝试从中获取字符 n。

l = ['49275', '49287', '69674', '43924']
x = '49375'

listy = []
for i in l:
    for n in range(len(x)):
        if x[n] != i[n]:
            listy.append(n / len(x))
            break
    else:
        listy.append(1.)

print(listy)

【讨论】：

【解决方案2】：

试试这个：

l = ['49275', '49287', '69674', '43924']
x = '49375'

listy = [0] * len(l)
for i, el in enumerate(l):
    for n in range(len(x)):
        if el[n] != x[n]: break
        listy[i] += 0.2

【讨论】：

【解决方案3】：

for n in range(len(x)):
    if x[n] == i[0][n]:
        listy.append((n+1)/len(x))
    if x[n] != i[0][n]:
        break

以上是您的基本问题：您为列表中的每个匹配字符附加一个值，而不仅仅是最后一个。另请注意，您重复平等测试；这是不必要的。做两处改动：第一，简单的把多余的测试换成else：

for n in range(len(x)):
    if x[n] == i[0][n]:
        listy.append((n+1)/len(x))
    else:
        break

其次，等到你退出这个循环到append这个值。这将解决额外数据的问题。

实施留给学生练习。 :-)

【讨论】：

【解决方案4】：

from itertools import takewhile


def calc_similarity(l, x) -> list:
    similars = list()
    len_x = len(x)

    for item in l:
        a = list(takewhile(lambda ele: ele[1] == x[ele[0]], enumerate(item)))
        similars.append(len(a) / len_x)

    return similars

if __name__ == '__main__':
    l = ['49275', '49287', '69674', '43924']
    x = '49375'
    similarities = calc_similarity(l, x)
    print(similarities)

您可以使用 itertools 中的 takewhile

从一个可迭代对象中返回连续的条目，只要谓词每个条目的计算结果为 true。

https://docs.python.org/3/library/itertools.html#itertools.takewhile

同样枚举，第一个元素是索引，第二个元素是值

【讨论】：