python - 简体中文字符的Levenshtein距离如何计算？

Question

我有 2 个查询：

    query1:你好世界
    query2:你好

当我使用 python 库 Levenshtein 运行此代码时：

from Levenshtein import distance, hamming, median
lev_edit_dist = distance(query1,query2)
print lev_edit_dist

我得到 12 的输出。现在的问题是值 12 是如何得出的？

因为就笔画差异而言，肯定不止12个。

Answer 1

根据其文档，它支持 unicode：

它支持普通字符串和 Unicode 字符串，但不能混合使用，函数（方法）的所有参数必须是相同类型（或其子类）。

不过，您需要确保中文字符是 unicode：

In [1]: from Levenshtein import distance, hamming, median

In [2]: query1 = '你好世界'

In [3]: query2 = '你好'

In [4]: print distance(query1,query2)
6

In [5]: print distance(query1.decode('utf8'),query2.decode('utf8'))
2