我有一个系统，信息可以来自不同的来源。我想确保不会添加完全相同（或极其相似）的信息。以下是一个例子：
文本A：有一天，一个男人越过山丘，看到了太阳
文本B：有一天，一个男人越过一座山丘，看到了太阳
文本C：一周后，一个女人越过一座山丘，看到了太阳
在这种情况下，我希望获得一个数值来表示这些信息块之间的差异。从那里我可以应用以下逻辑：
- 在将文本添加到数据库时，检查数据库中是否已存在相同的值
- 如果发现值非常相似，则不添加
- 如果值差异足够大，则添加
因此，我们最终在数据库中拥有不同的信息，而不是重复的，但我们允许有一定的宽容度。
谁能告诉我如何在Python中尝试实现这个功能？
回答：
考虑到您的问题，difflib.SequenceMatcher.ratio()可能会派上用场。
这个巧妙的例程可以接受两个字符串，并计算出相似度指数，范围在[0,1]之间
快速演示
>>> for a,b in list(itertools.product(st, st)): print "文本 1 {}".format(a) print "文本 2 {}".format(b) print "相似度指数 {}".format(difflib.SequenceMatcher(None, a,b).ratio()) print '-'*80文本 1 有一天，一个男人越过山丘，看到了太阳文本 2 有一天，一个男人越过山丘，看到了太阳相似度指数 1.0--------------------------------------------------------------------------------文本 1 有一天，一个男人越过山丘，看到了太阳文本 2 一周后，一个女人越过一座山丘，看到了太阳相似度指数 0.831683168317--------------------------------------------------------------------------------文本 1 有一天，一个男人越过山丘，看到了太阳文本 2 有一天，一个男人越过一座山丘，看到了太阳相似度指数 0.959183673469--------------------------------------------------------------------------------文本 1 一周后，一个女人越过一座山丘，看到了太阳文本 2 有一天，一个男人越过山丘，看到了太阳相似度指数 0.831683168317--------------------------------------------------------------------------------文本 1 一周后，一个女人越过一座山丘，看到了太阳文本 2 一周后，一个女人越过一座山丘，看到了太阳相似度指数 1.0--------------------------------------------------------------------------------文本 1 一周后，一个女人越过一座山丘，看到了太阳文本 2 有一天，一个男人越过一座山丘，看到了太阳相似度指数 0.868686868687--------------------------------------------------------------------------------文本 1 有一天，一个男人越过一座山丘，看到了太阳文本 2 有一天，一个男人越过山丘，看到了太阳相似度指数 0.959183673469--------------------------------------------------------------------------------文本 1 有一天，一个男人越过一座山丘，看到了太阳文本 2 一周后，一个女人越过一座山丘，看到了太阳相似度指数 0.868686868687--------------------------------------------------------------------------------文本 1 有一天，一个男人越过一座山丘，看到了太阳文本 2 有一天，一个男人越过一座山丘，看到了太阳相似度指数 1.0--------------------------------------------------------------------------------