如何比較 Python 中兩個字符串（英語除外）之間的相似度

Question

我想找到兩個字符串 Example 之間的相似性

string1 = "One"
string2 = "one"

我希望答案在 0 和 1 之間。對於上面的兩個字符串，我們得到 1。現在我正在使用“Jellyfish”，這是 python 中的一個模塊，它具有 jaro_distance() function。但缺點是我' m 只能比較兩個只包含英文單詞和其他特殊字符的字符串。 但是我想比較其他語言的兩個字符串，比如旁遮普語

string1 = "ਬੁੱਧਵਾਰ"
string2 = "ਬੁੱਧਵਾ"

我嘗試了相同的 jaro_distance() function，但我得到了

>>score = jellyfish.jaro_distance(unicode(string1), unicode(string2))
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe0 in position 0: ordinal not in range(128)

在將它們提供給 function 之前，我嘗試對它們進行編碼和解碼。有沒有辦法將 jaro_distance() 用於其他語言，或者是否有任何其他模塊/函數可用於此？ 你們能幫我嗎？

Answer 1

您可以使用內置模塊difflib中的SequenceMatcher

代碼示例：

import difflib

print(difflib.SequenceMatcher(None, "ਬੁੱਧਵਾਰ", "ਬੁੱਧਵਾ").ratio())

Output：

0.9230769230769231