指的是两个字符串之间，由一个转换成另外一个所需的最少编辑操做次数。java
许可的编辑操做包括将一个字符替换成另外一个字符，插入一个字符，删除一个字符。算法
编辑距离的算法是首先由俄国科学家Levenshtein提出的，故又叫Levenshtein Distance。spa
算法实现原理图解：code
A 处 是一个标记，为了方便讲解，不是这个表的内容。three
| abc | a | b | c | |
| abe | 0 | 1 | 2 | 3 |
| a | 1 | A处 | ||
| b | 2 | |||
| e | 3 |
它的值取决于：左边的 一、上边的 一、左上角的 0。字符串
按照 Levenshtein distance 的意思：get
上面的值加 1 ，获得 1+1=2 ，it
左面的值加 1 ，获得 1+1=2 ，io
左上角的值根据字符是否相同，相同加 0 ，不一样加 1 。A 处因为是两个 a 相同，左上角的值加 0 ，获得 0+0=0 。table
而后从咱们上面计算出来的 2，2，0 三个值中选取最小值，因此 A 处的值为 0 。
| abc | a | b | c | |
| abe | 0 | 1 | 2 | 3 |
| a | 1 | 0 | ||
| b | 2 | B处 | ||
| e | 3 |
在 B 处 会一样获得三个值，左边计算后为 3 ，上边计算后为 1 ，在 B 处 因为对应的字符为 a、b ，不相等，因此左上角应该在当前值的基础上加 1 ，这样获得 1+1=2 ，在（3,1,2）中选出最小的为 B 处的值。
| abc | a | b | c | |
| abe | 0 | 1 | 2 | 3 |
| a | 1 | 0 | ||
| b | 2 | 1 | ||
| e | 3 | C处 |
C 处 计算后：上面的值为 2 ，左边的值为 4 ，左上角的：a 和 e 不相同，因此加 1 ，即 2+1 ，左上角的为 3 。
在（2,4,3）中取最小的为 C 处的值。
| a | b | c | ||
| 0 | 1 | 2 | 3 | |
| a | 1 | A处 0 | D处 1 | G处 2 |
| b | 2 | B处 1 | E处 0 | H处 1 |
| e | 3 | C处 2 | F处 1 | I处 1 |
I 处: 表示 abc 和 abe 有1个须要编辑的操做（ c 替换成 e ）。这个是须要计算出来的。
同时，也得到一些额外的信息：
A处: 表示a 和a 须要有0个操做。字符串同样
B处: 表示ab 和a 须要有1个操做。
C处: 表示abe 和a 须要有2个操做。
D处: 表示a 和ab 须要有1个操做。
E处: 表示ab 和ab 须要有0个操做。字符串同样
F处: 表示abe 和ab 须要有1个操做。
G处: 表示a 和abc 须要有2个操做。
H处: 表示ab 和abc 须要有1个操做。
I处: 表示abe 和abc 须要有1个操做。
先取两个字符串长度的最大值 maxLen，用 1-（须要操做数 除 maxLen），获得类似度。
例如 abc 和 abe 一个操做，长度为 3 ，因此类似度为 1-1/3=0.666 。
public class CompareStrSimUtil {
private static int compare(String str, String target, boolean isIgnore) {
int d[][]; // 矩阵
int n = str.length();
int m = target.length();
int i; // 遍历str的
int j; // 遍历target的
char ch1; // str的
char ch2; // target的
int temp; // 记录相同字符,在某个矩阵位置值的增量,不是0就是1
if (n == 0) {
return m;
}
if (m == 0) {
return n;
}
d = new int[n + 1][m + 1];
for (i = 0; i <= n; i++) { // 初始化第一列
d[i][0] = i;
}
for (j = 0; j <= m; j++) { // 初始化第一行
d[0][j] = j;
}
for (i = 1; i <= n; i++) { // 遍历str
ch1 = str.charAt(i - 1);
// 去匹配target
for (j = 1; j <= m; j++) {
ch2 = target.charAt(j - 1);
if (isIgnore) {
if (ch1 == ch2 || ch1 == ch2 + 32 || ch1 + 32 == ch2) {
temp = 0;
} else {
temp = 1;
}
} else {
if (ch1 == ch2) {
temp = 0;
} else {
temp = 1;
}
}
// 左边+1,上边+1, 左上角+temp取最小
d[i][j] = min(d[i - 1][j] + 1, d[i][j - 1] + 1, d[i - 1][j - 1] + temp);
}
}
return d[n][m];
}
private static int min(int one, int two, int three) {
return (one = one < two ? one : two) < three ? one : three;
}
public static float getSimilarityRatio(String str, String target, boolean isIgnore) {
float ret = 0;
if (Math.max(str.length(), target.length()) == 0) {
ret = 1;
} else {
ret = 1 - (float) compare(str, target, isIgnore) / Math.max(str.length(), target.length());
}
return ret;
}
public static void main(String[] args) {
CompareStrSimUtil lt = new CompareStrSimUtil();
String str = "ab";
String target = "ＡBC";
System.out.println("similarityRatio=" + lt.getSimilarityRatio(str, target, true));
}
}