编辑距离 - 文本工具 · 萤炬工具箱

编辑距离计算把一个字符串改成另一个所需的最少单字符操作次数（插入、删除、替换各算一次），并据此给出一个相似度百分比。用来量化两段文本差多远：判断用户输错的关键词该纠正成哪个候选、给近似重复的名单打分、评估 OCR 识别结果的准确率。采用标准 Levenshtein 距离（插入 / 删除 / 替换权重均为 1）。

编辑距离计算把一个字符串改成另一个所需的最少单字符操作次数（插入、删除、替换各算一次），并据此给出一个相似度百分比。用来量化两段文本差多远：判断用户输错的关键词该纠正成哪个候选、给近似重复的名单打分、评估 OCR 识别结果的准确率。

使用步骤

1. 在两个输入框分别填入要比较的字符串。
2. 查看计算出的编辑距离与相似度。
3. 调整字符串再算一次，对比不同候选词的距离。
4. 记录结果用于阈值判断。

功能与限制

• 采用标准 Levenshtein 距离（插入 / 删除 / 替换权重均为 1）。
• 不实现 Damerau 变体，相邻字符换位会算作两次操作。

常见问题

编辑距离多少算「相似」？

没有绝对标准，要看字符串长度。两个五字词差 1 已经很接近，两个五十字句子差 1 几乎相同。所以实践中通常用相似度百分比而不是绝对距离做阈值。

和文本对比工具有什么区别？

文本对比是按行给出增删高亮，回答「哪里不一样」；编辑距离是给一个数值，回答「差多少」。前者用于审阅改动，后者用于程序里做相似度判断。

中文的编辑距离怎么算？

按字符（码点）计算，一个汉字算一个字符，所以「你好世界」改成「你好中国」的距离是 2。这比按字节算更符合直觉。

大小写差异会算进距离吗？

会。大写 A 和小写 a 是不同字符，算一次替换。若不想区分，先把两段文本统一转成同一种大小写再比较。