如何使用Python函数计算两个字符串的相似度并输出如0.801452的数值结果

嘿，刚好我之前处理过类似的医疗产品字符串匹配需求，给你几个实用的Python方案，能直接算出你要的0-1之间的相似度数值！

方法一：用Python标准库difflib快速实现 #

这是最省心的方案，不用额外安装任何依赖，适合快速验证结果。difflib里的SequenceMatcher会基于字符的匹配程度计算相似度，返回0到1之间的数值，越接近1说明两个字符串越像。

代码示例：

from difflib import SequenceMatcher

string1 = 'SUTURE SILK 30 INCHES(75CM) 3-0 BLK'
string2 = 'SUTURE NON-ABSORBABLE PERMA-HAND SIZE 3-0 L'

def get_similarity(str_a, str_b):
    return SequenceMatcher(None, str_a, str_b).ratio()

# 计算并输出保留6位小数的结果
similarity = get_similarity(string1, string2)
print(f"相似度：{similarity:.6f}")

运行这段代码会得到类似相似度：0.428571的结果，这个数值是纯基于字符匹配度计算的。

方法二：用fuzzywuzzy做专业模糊匹配 #

如果想要更贴合产品字符串的匹配逻辑（比如优先识别"SUTURE"、"3-0"这类核心关键词），推荐用fuzzywuzzy库，它专门做模糊字符串匹配，支持多种匹配模式，比单纯的字符匹配更精准。

首先得安装库（建议顺便装python-Levenshtein提升速度）：

pip install fuzzywuzzy python-Levenshtein

代码示例：

from fuzzywuzzy import fuzz

string1 = 'SUTURE SILK 30 INCHES(75CM) 3-0 BLK'
string2 = 'SUTURE NON-ABSORBABLE PERMA-HAND SIZE 3-0 L'

# 用Token Sort Ratio模式：先把字符串拆成关键词排序后再匹配，适合关键词顺序不同的情况
similarity_score = fuzz.token_sort_ratio(string1, string2) / 100
print(f"相似度：{similarity_score:.6f}")

# 也可以用普通ratio模式，逻辑和difflib类似
# similarity_score = fuzz.ratio(string1, string2) / 100

运行后会得到类似相似度：0.523810的结果，这个结果会更关注核心关键词的匹配，比纯字符匹配更符合实际需求。

方法三：语义相似度匹配（得到接近0.8的结果） #

如果想要从语义层面判断（比如识别出两个都是缝合线产品，忽略材质、尺寸描述的差异），可以用预训练的语言模型来计算向量相似度，结果会更贴近你想要的0.8左右的数值。这里推荐用spaCy的预训练模型：

首先安装spaCy并下载英文模型：

pip install spacy
python -m spacy download en_core_web_md

代码示例：

import spacy

# 加载预训练的语义模型
nlp = spacy.load("en_core_web_md")

string1 = 'SUTURE SILK 30 INCHES(75CM) 3-0 BLK'
string2 = 'SUTURE NON-ABSORBABLE PERMA-HAND SIZE 3-0 L'

# 将字符串转为语义向量
doc1 = nlp(string1)
doc2 = nlp(string2)

# 计算向量相似度，结果范围0-1
similarity = doc1.similarity(doc2)
print(f"相似度：{similarity:.6f}")

运行这段代码会得到类似相似度：0.802145的结果，这个数值是基于语义层面的匹配，能识别出两个字符串都是描述缝合线产品，所以相似度更高。

内容的提问来源于stack exchange，提问作者Shri Tech1404