Python判断两个单词的相似度

本文要点在于算法的设计：如果两个单词中不相同的字母足够少，并且随机选择几个字母在两个单词中具有相同的前后顺序，则认为两个单词是等价的。

目前存在的问题：可能会有误判。

from random import sample, randint

def oneInAnother(one, another):

'''用来测试单词one中有多少字母不属于单词another'''

return sum((1 for ch in one if ch not in another))

def testPositions(one, another, positions):

'''用来测试单词one中位置positions上的字母是否

   与单词another中的相同字母具有同样的前后顺序'''

#获取单词one中指定位置上的字母

lettersInOne = [one[p] for p in positions]

print(lettersInOne)

#这些字母在单词another中的位置

positionsInAnother = [another[p:].index(ch)+p for p, ch in zip(positions,lettersInOne) if ch in another[p:]]

print(positionsInAnother)

#如果这些字母在单词another中也具有相同的前后位置关系，返回True

if sorted(positionsInAnother)==positionsInAnother:

    return True

return False

def main(one, another, rateNumber=1.0):

c1 = oneInAnother(one, another)

c2 = oneInAnother(another, one)

#计算比例，测试两个单词有多少字母不相同

r = abs(c1-c2) / len(one+another)

#测试单词one随机位置上的字母是否在another中具有相同的前后顺序

minLength = min(len(one), len(another))

positions = sample(range(minLength), randint(minLength//2, minLength-1))

positions.sort()

flag = testPositions(one, another, positions)

#两个单词具有较高相似度

if flag and r<rateNumber:

    return True

return False

#测试效果

print(main('beautiful', 'beaut', 0.2))

print(main('beautiful', 'beautiful', 0.2))

print(main('beautiful', 'btuaeiflu', 0.2))

某次运行结果如下：

['a', 'u']

[2, 3]

False

['a', 'u', 'f', 'u']

[2, 3, 6, 7]

True

['b', 'e', 'a', 'u', 't', 'f']

[0, 4, 3, 8, 6]

False