thefuzz/rapidfuzz字符串相似度指标含义及中间分数解读咨询

thefuzz的simple_ratio本质是基于Levenshtein距离计算的相似度百分比，中间数值（比如82）确实代表两个字符串的相似度为82%，并非只是“数值越大越相似”的抽象指标。

它的计算逻辑很明确：

• 先计算两个字符串的编辑距离（将一个字符串转换成另一个所需的最少单字符编辑操作次数，涵盖插入、删除、替换）
• 再通过公式 (两个字符串总长度 - 编辑距离) / 两个字符串总长度 * 100 得出最终百分比，这里的总长度是两个字符串长度之和

举个直观例子：
字符串A为"apple"，字符串B为"appla"，编辑距离是1（仅需把A的最后一个字符"e"替换成"a"），总长度是5+5=10，代入公式得(10-1)/10*100=90，所以simple_ratio会返回90，对应90%的相似度。

需要注意的是，simple_ratio是直接对两个完整字符串做全量比对，不处理子串匹配场景；如果需要适配部分匹配的需求，可以考虑使用partial_ratio等其他方法，但仅针对simple_ratio来说，中间数值就是字面意义的相似度百分比。

内容的提问来源于stack exchange，提问作者David Shaw