python自帶比較相似度的模組，difflib。比較兩個字串的模組是difflib.SequenceMatcher，使用起來很簡單：

import difflibdef string_similar(s1, s2):
return difflib.SequenceMatcher(None, s1, s2).quick_ratio()

print string_similar('愛爾眼科滬濱醫院', '滬濱愛爾眼科醫院')

print string_similar('安定區婦幼保健站', '定西市安定區婦幼保健站')

print string_similar('廣州市醫院', '廣東省中醫院')

執行結果：

1.0

0.842105263158

0.606060606061

最主要的是，python原生的模組的效率都比較好。其中None的位置是一個函式，用來去掉自己不想算在內的元素。比如我想把空格排除在外：

seq = difflib.SequenceMatcher(lambda x:x=" ", a, b)

ratio = seq.ratio()

準備做一個小功能，需要計算字串的相似度，提前做點功課。

演算法

字串相似度的演算法以及有很多資料了。最常見的理解就是：把一個字串通過插入、刪除或替換這樣的編輯操作，變成另外一個字串，所需要的最少編輯次數。AKA，兩個字串之間的距離。解這樣一個問題，可以使用窮舉法，也可以使用動態規劃，大家可以自行搜尋。貪婪法不適合這個問題。

python-Levenshtein

我需要使用python完成相似度的計算，因而選擇了python-Levenshtein。python-Levenshtein的常用函式包括：

1） Levenshtein.hamming(str1, str2)
計算 漢明距離。 要求str1和str2必須長度一致。是描述兩個等長字串之間 對應 位置上 不同 字元的個數。

2）Levenshtein.distance(str1, str2)
計算 編輯距離 （也稱為Levenshtein距離 ）。是描述由一個字串轉化成另一個字串最少的操作次數，在其中的操作包括 插入 、 刪除 、 替換 。
3）Levenshtein.ratio(str1, str2)
計算萊文斯坦比。計算公式  r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的長度總和，ldist是 類編輯距離。
注意 ：這裡的類編輯距離不是2中所說的編輯距離，2中三種操作中每個操作+1，而在此處，刪除、插入依然+1，但是替換+2。這樣設計的目的：ratio('a', 'c')，sum=2,按2中計算為（2-1）/2 = 0.5,’a','c'沒有重合，顯然不合算，但是替換操作+2，就可以解決這個問題。