167 lines
6.1 KiB
Python
167 lines
6.1 KiB
Python
def LevenshteinDistance(s1: str, s2: str) -> int:
|
||
"""
|
||
计算两个字符串的 Levenshtein 距离（编辑距离）
|
||
:param s1: 原始字符串
|
||
:param s2: 目标字符串
|
||
:return: 最少编辑操作次数（差异程度）
|
||
"""
|
||
# 创建二维动态规划表，dp[i][j] 表示 s1[:i] 到 s2[:j] 的编辑距离
|
||
m, n = len(s1), len(s2)
|
||
dp = [[0] * (n + 1) for _ in range(m + 1)]
|
||
|
||
# 初始化：空字符串到 s1[:i] 需要 i 次删除操作
|
||
for i in range(m + 1):
|
||
dp[i][0] = i
|
||
# 初始化：空字符串到 s2[:j] 需要 j 次插入操作
|
||
for j in range(n + 1):
|
||
dp[0][j] = j
|
||
|
||
# 填充动态规划表
|
||
for i in range(1, m + 1):
|
||
for j in range(1, n + 1):
|
||
# 字符相同，无需操作
|
||
if s1[i-1] == s2[j-1]:
|
||
dp[i][j] = dp[i-1][j-1]
|
||
else:
|
||
# 字符不同，取「删除、插入、替换」中最小操作数 +1
|
||
dp[i][j] = min(
|
||
dp[i-1][j], # 删除 s1[i-1]
|
||
dp[i][j-1], # 插入 s2[j-1] 到 s1
|
||
dp[i-1][j-1] # 替换 s1[i-1] 为 s2[j-1]
|
||
) + 1
|
||
return dp[m][n]
|
||
|
||
|
||
def LongestCommonSubsequence(s1: str, s2: str) -> tuple[list[tuple[int, int]], str]:
|
||
"""
|
||
计算两个字符串的最长公共子序列（LCS），并返回 LCS 字符的位置映射
|
||
:param s1: 原始字符串
|
||
:param s2: 目标字符串
|
||
:return: (LCS 位置列表 [(S1Idx, S2Idx)], LCS 字符串)
|
||
"""
|
||
m, n = len(s1), len(s2)
|
||
# dp[i][j] 表示 s1[:i] 和 s2[:j] 的 LCS 长度
|
||
dp = [[0] * (n + 1) for _ in range(m + 1)]
|
||
|
||
# 填充 LCS 长度表
|
||
for i in range(1, m + 1):
|
||
for j in range(1, n + 1):
|
||
if s1[i-1] == s2[j-1]:
|
||
dp[i][j] = dp[i-1][j-1] + 1
|
||
else:
|
||
dp[i][j] = max(dp[i-1][j], dp[i][j-1])
|
||
|
||
# 回溯找 LCS 的具体字符和位置
|
||
LcsChars = []
|
||
LcsPositions = []
|
||
i, j = m, n
|
||
while i > 0 and j > 0:
|
||
if s1[i-1] == s2[j-1]:
|
||
LcsChars.append(s1[i-1])
|
||
LcsPositions.append((i-1, j-1)) # 存储原始索引（从0开始）
|
||
i -= 1
|
||
j -= 1
|
||
elif dp[i-1][j] > dp[i][j-1]:
|
||
i -= 1
|
||
else:
|
||
j -= 1
|
||
|
||
# 回溯得到的是逆序，需要反转
|
||
LcsChars.reverse()
|
||
LcsPositions.reverse()
|
||
return LcsPositions, ''.join(LcsChars)
|
||
|
||
|
||
def GetStringDiff(s1: str, s2: str) -> dict:
|
||
"""
|
||
完整对比两个字符串，返回差异详情
|
||
:param s1: 原始字符串
|
||
:param s2: 目标字符串
|
||
:return: 差异字典（包含编辑距离、LCS、差异位置/内容）
|
||
"""
|
||
# 1. 计算编辑距离（差异程度）
|
||
EditDist = LevenshteinDistance(s1, s2)
|
||
# 2. 计算 LCS（公共部分）
|
||
LcsPos, LcsStr = LongestCommonSubsequence(s1, s2)
|
||
|
||
# 3. 定位差异位置和内容
|
||
DiffDetails = {
|
||
"delete": [], # s1 中需要删除的字符 (索引, 字符)
|
||
"insert": [], # s2 中需要插入的字符 (索引, 字符)
|
||
"replace": [] # s1 中需要替换的字符 (s1索引, 原字符, 目标字符)
|
||
}
|
||
|
||
# 生成 s1 和 s2 的差异标记
|
||
S1Idx = 0
|
||
S2Idx = 0
|
||
for (LcsS1Idx, LcsS2Idx) in LcsPos:
|
||
# 处理 s1 中需要删除的字符（LCS 前的非公共部分）
|
||
while S1Idx < LcsS1Idx:
|
||
DiffDetails["delete"].append((S1Idx, s1[S1Idx]))
|
||
S1Idx += 1
|
||
# 处理 s2 中需要插入的字符（LCS 前的非公共部分）
|
||
while S2Idx < LcsS2Idx:
|
||
DiffDetails["insert"].append((S2Idx, s2[S2Idx]))
|
||
S2Idx += 1
|
||
# 公共字符，跳过
|
||
S1Idx += 1
|
||
S2Idx += 1
|
||
|
||
# 处理末尾剩余的非公共部分
|
||
while S1Idx < len(s1):
|
||
DiffDetails["delete"].append((S1Idx, s1[S1Idx]))
|
||
S1Idx += 1
|
||
while S2Idx < len(s2):
|
||
DiffDetails["insert"].append((S2Idx, s2[S2Idx]))
|
||
S2Idx += 1
|
||
|
||
# 优化：将连续的删除+插入合并为替换（更符合直观）
|
||
ReplaceCandidates = list(zip(DiffDetails["delete"], DiffDetails["insert"]))
|
||
for (DelItem, InsItem) in ReplaceCandidates:
|
||
DelIdx, DelChar = DelItem
|
||
InsIdx, InsChar = InsItem
|
||
DiffDetails["replace"].append((DelIdx, DelChar, InsChar))
|
||
DiffDetails["delete"].remove(DelItem)
|
||
DiffDetails["insert"].remove(InsItem)
|
||
|
||
return {
|
||
"EditDistance": EditDist, # 差异程度（数值越小越相似）
|
||
"similarity": 1 - EditDist / max(len(s1), len(s2), 1), # 相似度（0-1）
|
||
"LcsString": LcsStr, # 最长公共子序列
|
||
"LcsLength": len(LcsStr), # LCS 长度
|
||
"DiffDetails": DiffDetails # 具体差异（删/插/改）
|
||
}
|
||
|
||
|
||
# 测试用例
|
||
if __name__ == "__main__":
|
||
# 示例1：轻微差异（替换+插入）
|
||
s1 = "Hello World!"
|
||
s2 = "Hello Python!"
|
||
DiffResult = GetStringDiff(s1, s2)
|
||
print("=== 示例1：轻微差异 ===")
|
||
print(f"编辑距离：{DiffResult['EditDistance']}")
|
||
print(f"相似度：{DiffResult['similarity']:.2f}")
|
||
print(f"最长公共子序列：{DiffResult['LcsString']}")
|
||
print(f"差异详情：{DiffResult['DiffDetails']}")
|
||
|
||
# 示例2：完全不同
|
||
s3 = "abc123"
|
||
s4 = "xyz789"
|
||
DiffResult2 = GetStringDiff(s3, s4)
|
||
print("\n=== 示例2：完全不同 ===")
|
||
print(f"编辑距离：{DiffResult2['EditDistance']}")
|
||
print(f"相似度：{DiffResult2['similarity']:.2f}")
|
||
print(f"最长公共子序列：{DiffResult2['LcsString']}")
|
||
print(f"差异详情：{DiffResult2['DiffDetails']}")
|
||
|
||
# 示例3：内容一致
|
||
s5 = "TestString"
|
||
s6 = "TestString"
|
||
DiffResult3 = GetStringDiff(s5, s6)
|
||
print("\n=== 示例3：内容一致 ===")
|
||
print(f"编辑距离：{DiffResult3['EditDistance']}")
|
||
print(f"相似度：{DiffResult3['similarity']:.2f}")
|
||
print(f"最长公共子序列：{DiffResult3['LcsString']}")
|
||
print(f"差异详情：{DiffResult3['DiffDetails']}")
|