如何根据简体中文字符计算Levenshtein距离？

Question

我有2个查询:

    query1:????
    query2:??

当我使用python库Levenshtein运行此代码时:

from Levenshtein import distance, hamming, median
lev_edit_dist = distance(query1,query2)
print lev_edit_dist

我得到12的输出.现在的问题是12的值是如何得出的？

因为在笔画方面的差异,肯定超过12.

Answer 1

根据其文档，它支持 unicode：

\n\n

\n

它支持普通字符串和 Unicode 字符串，但不能混合使用它们，函数（方法）的所有参数必须为相同类型（或其子类）。

\n

\n\n

不过，您需要确保中文字符是 unicode 格式：

\n\n

In [1]: from Levenshtein import distance, hamming, median\n\nIn [2]: query1 = \'\xe4\xbd\xa0\xe5\xa5\xbd\xe4\xb8\x96\xe7\x95\x8c\'\n\nIn [3]: query2 = \'\xe4\xbd\xa0\xe5\xa5\xbd\'\n\nIn [4]: print distance(query1,query2)\n6\n\nIn [5]: print distance(query1.decode(\'utf8\'),query2.decode(\'utf8\'))\n2\n

\n