Ruby比较两个字符串相似度百分比

Question

我想在Ruby中比较两个字符串并找到它们的相似度。

我查看了Levenshtein gem，但它似乎是2008年最后更新的，而且我找不到如何使用它的文档。一些博客建议这已经损坏了。

我尝试了text gem和Levenshtein，但它返回一个整数（较小的值更好）。

显然，如果两个字符串的长度不同，我会遇到Levenshtein算法的问题（例如比较两个姓名，其中一个有中间名而另一个没有）。

你会建议我怎么做才能得到百分比比较结果？

编辑：我正在寻找类似于PHP的similar text

- Tarang

---

可能是重复的问题，与https://dev59.com/jVPTa4cB1Zd3GeqPkpvv相似。请参考该链接。 - Fredrik Pihl

这将生成一个差异列表，我正在寻找相似度的百分比。 - Tarang

如果字符串长度不同，应该以哪个字符串作为计算百分比的基础？ - Michael Kohl

长的更好吗？我正在尝试遍历一个名称列表，将其中一个列中的名称与另一个列中最相似的名称匹配（其中一侧的名称具有中间名称或破折号）。 - Tarang

可以使用Levenshtein比较并将其转换为百分比，正如这里建议的那样：https://dev59.com/Imkv5IYBdhLWcg3wtTAN - nazar kuliyev

这里有好的答案：https://dev59.com/lmQo5IYBdhLWcg3wGsLN - Paulo Belo

Answer 1

我认为您的问题需要一些澄清，但这是一个快速而简单的解决方案（根据您上面的澄清计算作为更长字符串的百分比）：

def string_difference_percent(a, b)
  longer = [a.size, b.size].max
  same = a.each_char.zip(b.each_char).count { |a,b| a == b }
  (longer - same) / a.size.to_f
end

我仍然不确定你所寻找的百分比差异有多大意义，但这应该至少能让你开始了解。

它有点像Levensthein距离，因为它会逐个字符比较字符串。因此，如果两个名称仅由中间名不同，它们实际上会非常不同。

- Michael Kohl

---

有人能解释一下“same”位是什么吗？所以它循环遍历每个字符，而zip为字符串A中的每个字符创建一个数组，并且 - 我期望的是 - 字符串B中的每个字符。第二个each_char如何知道要将索引连接到数组中？ - Jack Rothrock

此外，当开头有一个字符更改时，这个计算方法并不有效。 - Jack Rothrock

注意在Select中的 a，因为它会清除通过参数传递的变量。最好使用其他字母。same = a.each_char.zip(b.each_char).select{ |c,d| c == d }.size - sesperanto

它只是在块内部隐藏它。 - Michael Kohl

same = a.each_char.zip(b.each_char).count{ |c,d| c == d } - Navid EMAD

将返回0到1之间的范围。如果是0，则为ico，如果是1，则完全不同。 - Raoni Sporteman

Answer 2

现在有一个针对 similar_text 的 Ruby Gem 。https://rubygems.org/gems/similar_text 它提供了一个 similar 方法，用于比较两个字符串，并返回表示两个字符串相似度的百分比。

- user2837093

---

类似文本宝石在处理大字符串时会冻结，尝试过143kb的HTML页面。 - nazar kuliyev

Answer 3

我可以推荐使用fuzzy-string-match gem。

你可以像这样使用它（摘自文档）：

require "fuzzystringmatch"
jarow = FuzzyStringMatch::JaroWinkler.create(:native)
p jarow.getDistance("jones", "johnson")

它将返回一个分数~0.832，告诉我们这些字符串匹配的好坏程度。

- czerasz