Python-两个字符串之间的区别

我想在列表中存储很多单词。这些词中有许多非常相似。例如，我有话afrykanerskojęzyczny和许多类似的话afrykanerskojęzycznym，afrykanerskojęzyczni，nieafrykanerskojęzyczni。找到两个字符串之间的差异并从第一个字符串和diff还原第二个字符串的有效（快速且具有较小差异大小的）解决方案是什么？

您可以在difflib模块中使用ndiff来执行此操作。它具有将一个字符串转换为另一字符串所需的所有信息。

一个简单的例子：

import difflib

cases=[('afrykanerskojęzyczny', 'afrykanerskojęzycznym'),
       ('afrykanerskojęzyczni', 'nieafrykanerskojęzyczni'),
       ('afrykanerskojęzycznym', 'afrykanerskojęzyczny'),
       ('nieafrykanerskojęzyczni', 'afrykanerskojęzyczni'),
       ('nieafrynerskojęzyczni', 'afrykanerskojzyczni'),
       ('abcdefg','xac')] 

for a,b in cases:     
    print('{} => {}'.format(a,b))  
    for i,s in enumerate(difflib.ndiff(a, b)):
        if s[0]==' ': continue
        elif s[0]=='-':
            print(u'Delete "{}" from position {}'.format(s[-1],i))
        elif s[0]=='+':
            print(u'Add "{}" to position {}'.format(s[-1],i))    
    print()      

印刷品：

afrykanerskojęzyczny => afrykanerskojęzycznym
Add "m" to position 20

afrykanerskojęzyczni => nieafrykanerskojęzyczni
Add "n" to position 0
Add "i" to position 1
Add "e" to position 2

afrykanerskojęzycznym => afrykanerskojęzyczny
Delete "m" from position 20

nieafrykanerskojęzyczni => afrykanerskojęzyczni
Delete "n" from position 0
Delete "i" from position 1
Delete "e" from position 2

nieafrynerskojęzyczni => afrykanerskojzyczni
Delete "n" from position 0
Delete "i" from position 1
Delete "e" from position 2
Add "k" to position 7
Add "a" to position 8
Delete "ę" from position 16

abcdefg => xac
Add "x" to position 0
Delete "b" from position 2
Delete "d" from position 4
Delete "e" from position 5
Delete "f" from position 6
Delete "g" from position 7

我喜欢ndiff的答案，但是如果您想将所有内容都放入仅包含更改的列表中，则可以执行以下操作：

import difflib

case_a = 'afrykbnerskojęzyczny'
case_b = 'afrykanerskojęzycznym'

output_list = [li for li in difflib.ndiff(case_a, case_b) if li[0] != ' ']

您可以查看正则表达式模块（模糊部分）。我不知道您能否获得实际的差异，但至少您可以指定允许的不同类型的更改（例如插入，删除和替换）的数量：

import regex
sequence = 'afrykanerskojezyczny'
queries = [ 'afrykanerskojezycznym', 'afrykanerskojezyczni', 
            'nieafrykanerskojezyczni' ]
for q in queries:
    m = regex.search(r'(%s){e<=2}'%q, sequence)
    print 'match' if m else 'nomatch'

您要的是一种特殊的压缩形式。 xdelta3是为这种特定类型的压缩而设计的，并且有一个python绑定，但是您可能可以直接使用zlib逃脱。你想使用zlib.compressobj，并zlib.decompressobj与zdict参数设置为你的“基数词”，例如afrykanerskojęzyczny。

zdict仅在python 3.3及更高版本中支持警告，如果所有差异都具有相同的“基本词”，则最容易编写代码，这可能是您想要的，也可能不是。

上面我对原始问题的评论的答案使我认为这就是他想要的：

loopnum = 0
word = 'afrykanerskojęzyczny'
wordlist = ['afrykanerskojęzycznym','afrykanerskojęzyczni','nieafrykanerskojęzyczni']
for i in wordlist:
    wordlist[loopnum] = word
    loopnum += 1

这将执行以下操作：

对于单词列表中的每个值，请将单词列表的值设置为原始代码。

您要做的就是将这段代码放在需要更改单词表的位置，确保将需要更改的单词存储在单词表中，并且原始单词正确。

希望这可以帮助！