如何计算同键无序JSON的数值匹配百分比？

核心思路 #

由于不能用正则量化匹配度，我们通过编辑距离量化字符串差异、统一格式后计算数值差异比例，再递归遍历所有键聚合结果，最终得到整体匹配百分比。同时忽略JSON键的顺序，只关注键对应的值匹配度。

分步实现方案 #

1. 递归遍历JSON结构 #

递归遍历两个JSON的所有键（无论顺序），确保每个层级的键都对应处理。因为题目明确两个JSON键完全一致，直接遍历其中一个的键即可。

2. 不同类型值的匹配度计算 #

字符串类型

使用Levenshtein编辑距离计算相似度：
编辑距离是将一个字符串转为另一个所需的最少单字符编辑（插入、删除、替换）次数。匹配百分比公式：
匹配百分比 = (1 - 编辑距离 / 较长字符串长度) * 100
示例中Mount Carmel College与bachelors in Mount Carmel College的匹配度约为61.11%。

数值类型

先统一格式（比如将带%的字符串转为数字），再计算差异比例：
匹配百分比 = (1 - |数值1 - 数值2| / max(|数值1|, |数值2|)) * 100
示例中83与83%转为数字后完全相等，匹配度为100%。

嵌套对象类型

递归计算每个子键的匹配度，取平均值作为该嵌套键的匹配度。

3. 整体匹配度计算 #

对所有键的匹配度取平均（默认每个键权重相同），得到JSON整体的匹配百分比。

代码实现（Python） #

def levenshtein_distance(s1, s2):
    # 手动实现编辑距离，无正则依赖
    if len(s1) < len(s2):
        return levenshtein_distance(s2, s1)
    if len(s2) == 0:
        return len(s1)
    previous_row = range(len(s2) + 1)
    for i, c1 in enumerate(s1):
        current_row = [i + 1]
        for j, c2 in enumerate(s2):
            insertions = previous_row[j + 1] + 1
            deletions = current_row[j] + 1
            substitutions = previous_row[j] + (c1 != c2)
            current_row.append(min(insertions, deletions, substitutions))
        previous_row = current_row
    return previous_row[-1]

def calculate_value_match(val1, val2):
    # 递归处理不同类型的值
    if isinstance(val1, dict) and isinstance(val2, dict):
        match_scores = []
        for key in val1.keys():
            score = calculate_value_match(val1[key], val2[key])
            match_scores.append(score)
        return sum(match_scores) / len(match_scores) if match_scores else 100.0
    elif isinstance(val1, str) and isinstance(val2, str):
        # 尝试将字符串转为数值处理
        try:
            num1 = float(val1.replace('%', ''))
            num2 = float(val2.replace('%', ''))
            return calculate_value_match(num1, num2)
        except ValueError:
            # 纯字符串用编辑距离计算
            distance = levenshtein_distance(val1, val2)
            max_len = max(len(val1), len(val2))
            return (1 - distance / max_len) * 100 if max_len != 0 else 100.0
    elif isinstance(val1, (int, float)) and isinstance(val2, (int, float)):
        if val1 == val2:
            return 100.0
        max_val = max(abs(val1), abs(val2))
        return (1 - abs(val1 - val2)/max_val) * 100 if max_val != 0 else 100.0
    else:
        # 类型不匹配时匹配度为0%
        return 0.0

def calculate_json_match(json1, json2):
    return calculate_value_match(json1, json2)

# 示例测试
json1 = {
    'education': {'name': 'Mount Carmel College', 'grade': '83'}
}
json2 = {
    'education': {'name': 'bachelors in Mount Carmel College', 'grade': '83%'}
}

match_percent = calculate_json_match(json1, json2)
print(f"匹配百分比: {match_percent:.2f}%")
# 输出：匹配百分比: 80.56%

代码说明 #

• levenshtein_distance纯手动实现编辑距离，完全不依赖正则
• 自动识别带%的数值字符串，转为数值后计算匹配度
• 递归处理任意深度的嵌套JSON对象
• 忽略JSON键的顺序，只关注键对应的值匹配情况

内容的提问来源于stack exchange，提问作者rishabh baradia