编辑距离 只有插入和替换没有删除

动态规划求编辑距离思路：编辑距离 - 动态规划解法 Edit Distance - Dynamic Programming_哔哩哔哩_bilibili

我的改动：忽略识别结果中多出来的字符

思路：如果最小值来自同列的上面一行，则需要删除操作。此时不再加一，即为忽略删除操作。

核心改动：d[i][j] = min(d[i - 1][j], d[i][j - 1], d[i - 1][j - 1]) + min(np.argmin([d[i - 1][j], d[i][j - 1], d[i - 1][j - 1]]), 1)

def damerau_levenshtein_distance_no_del(string1,string2):
 
    m = len(string1)
    n = len(string2)
    # n+1行 m+1列  表示由 m 对应的字符串转到 n 对应的字符串
    d = [[0] * (n + 1) for _ in range(m + 1)]
 
    # 初始化第 1 行  一个空字符到其他字符的操作数
    for j in range(n + 1):
        d[0][j] = j
    # 初始化第 1 列  其他字符到空字符的操作数
    d[1][0] = 1
    for i in range(2,m + 1):
        d[i][0] = min(i, d[i-1][0])
    # 自底向上递推计算每个 d[i][j] 的值
    # 一行行填充值
    for i in range(1, m + 1):
        string11 = string1[0:i]
        for j in range(1, n + 1):
            string22 = string2[0:j]
            if string1[i - 1] == string2[j - 1]:
                d[i][j] = d[i - 1][j - 1]
                pass
            else:
                import numpy as np
                d[i][j] = min(d[i - 1][j], d[i][j - 1], d[i - 1][j - 1]) + min(np.argmin([d[i - 1][j], d[i][j - 1], d[i - 1][j - 1]]), 1)
 
                pass
            # if i > 1 and j > 1 and string1[i - 1] == string2[j - 2] and string1[i - 2] == string2[j - 1]:
            #     d[i][j] = min(d[i][j], d[i - 2][j - 2] + 1)
    return d[m][n]

下面是普通的编辑距离

def damerau_levenshtein_distance(string1, string2):
    m = len(string1)
    n = len(string2)
    d = [[0] * (n + 1) for _ in range(m + 1)]
    # 初始化第 1 列  其他字符到空字符的操作数
    for i in range(m + 1):
        d[i][0] = i
    # 初始化第 1 行  一个空字符到其他字符的操作数
    for j in range(n + 1):
        d[0][j] = j
    # 自底向上递推计算每个 d[i][j] 的值
    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if string1[i - 1] == string2[j - 1]:
                d[i][j] = d[i - 1][j - 1]
            else:
                d[i][j] = min(d[i - 1][j], d[i][j - 1], d[i - 1][j - 1]) + 1
            # if i > 1 and j > 1 and string1[i - 1] == string2[j - 2] and string1[i - 2] == string2[j - 1]:
            #     d[i][j] = min(d[i][j], d[i - 2][j - 2] + 1)
    return d[m][n]