Python求字符串相似度的函数

字符串相似度是指两个字符串之间的相似程度。在Python中，可以使用不同的方法计算字符串相似度，以下是常用的几种方法。

1. 汉明距离：

汉明距离是一种衡量两个等长字符串之间的差异的度量。它表示将一个字符串转换成另一个字符串所需的最小替换次数。可以使用以下函数计算字符串的汉明距离：

def hamming_distance(str1, str2):
    if len(str1) != len(str2):
        raise ValueError("两个字符串长度必须相等")
    distance = sum(s1 != s2 for s1, s2 in zip(str1, str2))
    return distance

2. Levenshtein距离：

Levenshtein距离也称为编辑距离，是指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。可以使用编辑距离库python-Levenshtein计算字符串的Levenshtein距离。

import Levenshtein

def levenshtein_distance(str1, str2):
    distance = Levenshtein.distance(str1, str2)
    return distance

3. 余弦相似度：

余弦相似度是一种衡量两个向量夹角的余弦值，可以使用向量空间模型(VSM)来计算字符串的余弦相似度。

import math

def cosine_similarity(str1, str2):
    str1_list = str1.split()
    str2_list = str2.split()
    words = set(str1_list + str2_list)
    vec1 = [str1_list.count(word) for word in words]
    vec2 = [str2_list.count(word) for word in words]
    dot_product = sum(vec1[i] * vec2[i] for i in range(len(vec1)))
    norm_vec1 = math.sqrt(sum(vec1[i] ** 2 for i in range(len(vec1))))
    norm_vec2 = math.sqrt(sum(vec2[i] ** 2 for i in range(len(vec2))))
    similarity = dot_product / (norm_vec1 * norm_vec2)
    return similarity

4. Jaccard相似度：

Jaccard相似度是一种用于计算集合之间相似度的指标。可以使用以下函数计算字符串的Jaccard相似度：

def jaccard_similarity(str1, str2):
    str1_list = set(str1)
    str2_list = set(str2)
    intersection = len(str1_list.intersection(str2_list))
    union = len(str1_list.union(str2_list))
    similarity = intersection / union
    return similarity

以上是四种常用的字符串相似度计算方法。根据实际需求选择适合的方法来计算字符串相似度。