Eddie

快速且经过充分测试的编辑距离/字符串相似度度量实现

• Levenshtein,
• Damerau-Levenshtein,
• Hamming,
• Jaro,
• Jaro-Winkler.

文档

查看 API 参考。

安装

将以下内容添加到您的 Cargo.toml

[dependencies]
eddie = "0.4"

基本用法

Levenshtein

use eddie::Levenshtein;
let lev = Levenshtein::new();
let dist = lev.distance("martha", "marhta");
assert_eq!(dist, 2);

Damerau-Levenshtein

use eddie::DamerauLevenshtein;
let damlev = DamerauLevenshtein::new();
let dist = damlev.distance("martha", "marhta");
assert_eq!(dist, 1);

Hamming

use eddie::Hamming;
let hamming = Hamming::new();
let dist = hamming.distance("martha", "marhta");
assert_eq!(dist, Some(2));

Jaro

use eddie::Jaro;
let jaro = Jaro::new();
let sim = jaro.similarity("martha", "marhta");
assert!((sim - 0.94).abs() < 0.01);

Jaro-Winkler

use eddie::JaroWinkler;
let jarwin = JaroWinkler::new();
let sim = jarwin.similarity("martha", "marhta");
assert!((sim - 0.96).abs() < 0.01);

字符串与切片

该 crate 提供了两个模块，包含两套实现

• eddie::str 用于比较 UTF-8 编码的 &str 和 &String 值。实现已重新导出在根模块中。
• eddie::slice 用于比较泛型切片 &[T]。该模块中的实现比 eddie::str 中的实现要快得多，但会对 UTF-8 和其他可变宽度字符编码产生不正确的结果。

使用示例

use eddie::slice::Levenshtein;

let lev = Levenshtein::new();
let dist = lev.distance(&[1, 2, 3], &[1, 3]);
assert_eq!(dist, 1);

互补度量

主要的度量方法通过反转和/或相对版本进行补充。在整个 crate 中的命名约定如下

• distance — 将一个字符串转换为另一个字符串所需的编辑次数；
• rel_dist — 两个字符串之间的距离，相对于字符串长度（相似度的反转）；
• similarity — 两个字符串之间的相似度（相对距离的反转）。

性能

目前，Eddie 在具有 Unicode 支持的 crates.io 中的替代方案中具有最快的实现。

例如，当比较常见的英语单词时，除了 Hamming 之外，任何给定算法都可以期望至少 1.5-2 倍的速度提升。

有关详细的测量表，请参阅 基准 页面。