Stringmetrics

这是一个 Rust 库，用于近似字符串匹配，实现了简单的算法，如汉明距离、Levenshtein 距离、Jaccard 相似度等。

以下是一些有用的快速链接

• Crate 信息: https://crates.io/crates/stringmetrics
• Crate 文档: https://docs.rs/stringmetrics/
• Python 库页面: https://pypi.ac.cn/project/stringmetrics/
• Crate 源代码: https://github.com/pluots/stringmetrics

算法

此库的主要目的是提供各种字符串度量函数。包括的算法有

• Levenshtein 距离
• 有限 & 加权 Levenshtein 距离
• Jaccard 相似度
• 汉明距离

有关完整信息，请参阅 文档。以下是一些示例

// Basic levenshtein distance
use stringmetrics::levenshtein;

assert_eq!(levenshtein("kitten", "sitting"), 3);

// Levenshtein distance with a limit to save computation time
use stringmetrics::levenshtein_limit;

assert_eq!(levenshtein_limit("a very long string", "short!", 4), 4);

// Set custom weights
use stringmetrics::{levenshtein_weight, LevWeights};

// This struct holds insertion, deletion, and substitution costs
let weights = LevWeights::new(4, 3, 2);
assert_eq!(levenshtein_weight("kitten", "sitting", 100, &weights), 8);

// Basic hamming distance
use stringmetrics::hamming;

let a = "abcdefg";
let b = "aaadefa";
assert_eq!(hamming(a, b), Ok(3));

未来算法 & 方向

最终，此库旨在添加对更多算法的支持。预期工作包括

1. 将 Levenshtein 距离更新为具有更高效算法的短（<64 个字符）和长（>100 个字符）字符串
2. 添加 Damerau–Levenshtein 距离
3. 添加 Jaro–Winkler 距离
4. 添加 Tversky 指数
5. 添加余弦相似度
6. 添加一些有用的分词器及其示例

许可证

请参阅 LICENSE 文件以获取许可证信息。提供的许可证允许专有使用和修改；话虽如此，我真诚地建议，如果您想提出改进，请提交拉取请求并帮助我们所有人 :)