本文重點介紹了這個包中計算字符串相似度的幾個函數的實現。
1.Levenshtein.hamming(str1，str2)
計算漢明距離。要求str1和str2的長度必須相同。是描述兩個等長字符串之間對應位置不同字符的個數。諸如
2.levenshtein . distance(str 1，str2)
計算編輯距離(也稱為Levenshtein距離)。它描述了從壹個字符串到另壹個字符串的最少次數的操作，其中的操作包括插入、刪除和替換。諸如
算法實現參考動態規劃排列:blogs . com/kaitou rensheng/archive/2013/05/15/3080990 . html
3.Levenshtein.ratio(str1，str2)
計算Levenshtein比率。計算公式r = (sum-ldist)/sum，其中sum是指str1和str2字符串的長度之和，ldist是類編輯距離。
註意:這裏的類的編輯距離不是2中提到的編輯距離，2中的三個運算每個都是+1。在這裏，刪除和插入仍然是+1，但是替換了+2。
這樣設計的目的:ratio('a '，' c ')，sum=2，計算為(2-1)/2 = 0.5，' a '和' c '不重疊，顯然是不經濟的，但是通過替換運算+2可以解決問題。
4.Levenshtein.jaro(s1，s2)
計算jaro距離，
其中m是s1，s2的匹配長度，當某個位置被認為匹配時，該位置的字符相同，或者如果不超過。
t是交換次數的壹半。
5.levenshtein . jaro _ Winkler(s 1，s2)
計算Jaro-Winkler距離