使用 Levenshtein 距离在 Rust 中实现快速模糊字符串匹配

描述 • 安装 • 使用 • 许可证

描述

RapidFuzz 是一个通用的字符串匹配库，为 Rust、C++ 和 Python 提供了实现。

主要特性

• 多种字符串度量：提供各种字符串度量，以满足不同的使用场景。这些度量从基于编辑比较的 Levenshtein 距离到更细致的 Jaro-Winkler 相似度。
• 优化速度：库的设计注重性能。每个实现都经过精心设计，以确保最佳性能，使其适用于大数据集的分析。
• 易于使用：API 的设计易于使用，同时仍为优化留出空间。

安装

安装非常简单

$ cargo add rapidfuzz

使用

以下示例显示了使用 Levenshtein 距离的用法。其他度量可以在 fuzz 和 distance 模块中找到。

use rapidfuzz::distance::levenshtein;

// Perform a simple comparision using he levenshtein distance
assert_eq!(
    3,
    levenshtein::distance("kitten".chars(), "sitting".chars())
);

// If you are sure the input strings are ASCII only it's usually faster to operate on bytes
assert_eq!(
    3,
    levenshtein::distance("kitten".bytes(), "sitting".bytes())
);

// You can provide a score_cutoff value to filter out strings with distance that is worse than
// the score_cutoff
assert_eq!(
    None,
    levenshtein::distance_with_args(
        "kitten".chars(),
        "sitting".chars(),
        &levenshtein::Args::default().score_cutoff(2)
    )
);

// You can provide a score_hint to tell the implementation about the expected score.
// This can be used to select a more performant implementation internally, but might cause
// a slowdown in cases where the distance is actually worse than the score_hint
assert_eq!(
    3,
    levenshtein::distance_with_args(
        "kitten".chars(),
        "sitting".chars(),
        &levenshtein::Args::default().score_hint(2)
    )
);

// When comparing a single string to multiple strings you can use the
// provided `BatchComparators`. These can cache part of the calculation
// which can provide significant speedups
let scorer = levenshtein::BatchComparator::new("kitten".chars());
assert_eq!(3, scorer.distance("sitting".chars()));
assert_eq!(0, scorer.distance("kitten".chars()));

许可证

根据您的选择，许可协议为 Apache License, Version 2.0 或 MIT License。

除非您明确表示，否则根据 Apache-2.0 许可证定义，您有意提交的任何贡献，均应按照上述方式双许可，不附加任何额外条款或条件。