algorithm - MD5哈希函数

Question

如何使用 MD5 算法检测两个字符串之间的细微差别？我想找到几个大字符串之间的相似度百分比。至于我如何检查差异，因为：

MD5("The quick brown fox jumps over the lazy dog.")
= e4d909c290d0fb1ca068ffaddf22cbd0

MD5("The quick brown fox jumps over the lazy dog")
= 9e107d9d372bb6826bd81d3542a419d6

你能给我一个解决方案，或者给我另一种可以在大字符串或大文档中有效使用的哈希算法吗？

Answer 1

所有哈希可以告诉您的是字符串匹配或不匹配。这个问题之前有人问过： 两个字符串有多少相似度？（90%,100%,40%）提倡使用Levenshtein距离。本文概述了如何使用 Levenshtein 距离并从中得出百分比差异： http ://www.switchplane.com/blog/improving-search-with-levenshtein-distance.php

Answer 2

如果字符串真的很长（比如整个文件，可能很大，文件），你可以把它们分成几块，散列，然后检查有多少匹配。不过，这并不完全可靠。

如果它说两个字符串中的大多数是相同的，那可能是准确的。除非您做更多的工作来保持同步，否则当两者几乎相同时，它可能表明存在很大差异。举个例子，如果你天真地这样做，在一个字符串的开头插入一个字节可能表明字符串完全不同，即使实际上只有一个字节不同。