如何基于Levenshtein比值移除Python列表中的相似字符串？

首先纠正你原代码的两个明显问题：

1. 遍历原列表时直接删除元素，会导致迭代器跳过后续元素——因为列表长度动态变化，迭代索引不会自动调整。
2. 代码里的word list是拼写错误，应为word_list，且未排除单词与自身的比较（此时Levenshtein比值为1.0，会错误删除目标单词本身）。

下面提供两种正确的实现方案：

方案一：针对特定目标单词移除相似项 #

如果需求是固定移除和'asf'相似的单词（保留'asf'本身），可直接生成过滤后的新列表：

from Levenshtein import ratio

word_list = ['asf', 'bcd', 'ase', 'cdf', 'asl']
target_word = 'asf'
# 保留目标单词，以及和目标比值小于0.9的单词
filtered_words = [word for word in word_list if word == target_word or ratio(word, target_word) < 0.9]
print(filtered_words)  # 输出: ['asf', 'bcd', 'cdf']

方案二：两两比较移除所有相似项 #

如果需要遍历所有单词，两两比较后移除任意一组相似项中的重复项（保留先出现的单词），可使用以下逻辑：

from Levenshtein import ratio

word_list = ['asf', 'bcd', 'ase', 'cdf', 'asl']
keep_words = []

for current_word in word_list:
    # 检查当前单词和已保留的所有单词是否都不相似
    if all(ratio(current_word, kept_word) < 0.9 for kept_word in keep_words):
        keep_words.append(current_word)

print(keep_words)  # 输出: ['asf', 'bcd', 'cdf']

核心逻辑说明 #

• 避免直接修改原列表，通过生成新列表或收集保留项的方式，彻底规避遍历过程中列表长度变化导致的元素跳过问题。
• 方案二中的all()函数确保当前单词和所有已保留单词都不相似时才加入列表，不会出现重复的相似项。

内容的提问来源于stack exchange，提问作者schieslu