比较两个字符串是否近似

方法1：使用difflib中的ratio/quick_ratio/real_quick_ratio:比较方式：2*匹配相同的字符串长度/2个字符串的长度之和
query_str = '市公安局'  
s1 = '广州市邮政局'  
s2 = '广州市公安局'  
s3 = '广州市检查院'  
print(difflib.SequenceMatcher(None, query_str, s1).quick_ratio())    
print(difflib.SequenceMatcher(None, query_str, s2).quick_ratio())    
print(difflib.SequenceMatcher(None, query_str, s3).quick_ratio())    

Levenshtein与difflib（SequenceMatcher）有一些重叠。它只支持字符串，而不是任意的序列类型，但另一方面它更快。

#计算 汉明距离。 要求str1和str2必须长度一致。是描述两个等长字串之间 对应 位置上 不同 字符的个数。
hamming(string1, string2)

>>> hamming('Hello world!', 'Holly grail!')

7
>>> hamming('Brian', 'Jesus')
5

　　

#计算编辑距离（也称为 Levenshtein距离）。是描述由一个字串转化成另一个字串最少的操作次数，在其##中的操作包括插入、删除、替换
#distance(string1, string2)
>>> distance('Levenshtein', 'Lenvinsten')
4
>>> distance('Levenshtein', 'Levensthein')
2
>>> distance('Levenshtein', 'Levenshten')
1
>>> distance('Levenshtein', 'Levenshtein')
0

　　

#使得两个字符串相同的，计算编辑操作过程，返回三元的元祖，第一个是操作，第二个是第一个字符串位置，第二个是第二个字符串位置

>>> editops('spam', 'park')
[('delete', 0, 0), ('insert', 3, 2), ('replace', 3, 3)]

#inverse是将目标字符串变化成原始字符串的操作过程
inverse(edit_operations)
>>> inverse(editops('spam', 'park'))
[('insert', 0, 0), ('delete', 2, 3), ('replace', 3, 3)]
>>> editops('park', 'spam')
[('insert', 0, 0), ('delete', 2, 3), ('replace', 3, 3)]

ratio(string1, string2)
计算莱文斯坦比。计算公式r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的长度总和，ldist是 类编辑距离
注意 ：这里的类编辑距离不是distance中所说的编辑距离，2中三种操作中每个操作+1，而在此处，删除、插入依然+1，但是替换+2
>>> ratio('Hello world!', 'Holly grail!')
0.58333333333333337
>>> ratio('Brian', 'Jesus')
0.0

计算jaro距离，Jaro Distance据说是用来判定健康记录上两个名字是否相同，也有说是是用于人口普查，我们先来看一下Jaro Distance的定义。

两个给定字符串S1和S2的Jaro Distance为：

其中的m为s1, s2匹配的字符数，t是换位的数目。

两个分别来自S1和S2的字符如果相距不超过

时，我们就认为这两个字符串是匹配的；而这些相互匹配的字符则决定了换位的数目t，简单来说就是不同顺序的匹配字符的数目的一半即为换位的数目t。举例来说，MARTHA与MARHTA的字符都是匹配的，但是这些匹配的字符中，T和H要换位才能把MARTHA变为MARHTA,那么T和H就是不同的顺序的匹配字符，t=2/2=1。

两个字符串的Jaro Distance即为：

jaro(string1, string2)
>>> jaro('Brian', 'Jesus')
0.0
>>> jaro('Thorkel', 'Thorgier')
0.77976190476190477
>>> jaro('Dinsdale', 'D')
0.70833333333333337

　

计算Jaro–Winkler距离，而Jaro-Winkler则给予了起始部分就相同的字符串更高的分数，他定义了一个前缀p，给予两个字符串，如果前缀部分有长度为ι的部分相同，则Jaro-Winkler Distance为：

      dj是两个字符串的Jaro Distance

      ι是前缀的相同的长度，但是规定最大为4

      p则是调整分数的常数，规定不能超过25，不然可能出现dw大于1的情况，Winkler将这个常数定义为0.1

这样，上面提及的MARTHA和MARHTA的Jaro-Winkler Distance为：

 

dw = 0.944 + (3 * 0.1(1 − 0.944)) = 0.961

jaro_winkler(string1, string2[, prefix_weight])
>>> jaro_winkler('Brian', 'Jesus')
0.0
>>> jaro_winkler('Thorkel', 'Thorgier')
0.86785714285714288
>>> jaro_winkler('Dinsdale', 'D')
0.73750000000000004
>>> jaro_winkler('Thorkel', 'Thorgier', 0.25)
1.0