pra*_*nth 5 python string-matching levenshtein-distance
Fuzzywuzzy是一个非常流行的字符串匹配库。根据库的文档，提到它使用 Levenshtein 距离来计算序列之间的差异。但是仔细检查后，我发现它实际上使用SequenceMatcher了difflib库中的函数。根据文档，此函数使用 Ratcliff/Obershelp 模式匹配算法。
根据定义，Levenshtein 距离是将一个字符串转换为另一个字符串所需的最小编辑次数，Ratcliff/Obershelp 模式匹配算法计算匹配字符的两倍数除以两个字符串中的字符总数。比较两者的密切相关帖子。
当我运行一个例子时，我得到了 Fuzzywuzzy 中 SequenceMatcher 和 ratio 函数的相同结果。
from difflib import SequenceMatcher
from fuzzywuzzy import fuzz
s = SequenceMatcher(None, "abcd", "bcde")
s.ratio()
# 0.75
fuzz.ratio("abcd", "bcde")
# 75
如果我手动计算两个字符串之间的 Levenshtein 距离，我想它只会是 2。在这种情况下，它如何像贡献者在文档中所写的那样使用 Levenshtein 距离？
使用 python-Levenshtein 的 FuzzyWuzzy.ratio不会返回 Levenshtein 分数，而是返回 Levenshtein 比率，即 (a+b - LevenshteinScore)/(a+b)，其中 a 和 b 是要比较的两个字符串的长度。
如果您没有安装 python-Levenshtein，那么 fuzzywuzzy 根本不使用 Levenshtein。Fuzzywuzzy 的主页在这方面具有误导性，尽管它确实建议安装 python-Levenshtein。
python-Levenshtein 安装有一些问题；我使用了对此 stackoverflow问题的第二个回答来解决它。
如果您没有安装 python-Levenshtein，FuzzyWuzzy 会使用difflib，这对于许多输入值都是相同的，但并非全部。开发人员建议使用 python-Levenshtein。请参阅fuzzywuzzy 的 git 上的此问题，其中包含一个示例案例，其中使用包的结果与不使用包的结果不同。这可能不应该发生，或者至少文档应该清楚地说明这一点，但 FuzzyWuzzy 的开发人员似乎至少对功能感到满意。