如何用Python获取两种语言的亲近度（相似度）

嘿，这个问题挺实用的！我之前也琢磨过怎么用Python计算整体语言的相似度，给你几个靠谱的方案，不用依赖那个没法调用的网站，也不用Selenium：

• 用专业语言学库LingPy
  LingPy是专门做计算语言学的工具，内置了很多语言亲缘关系相关的数据集和算法，比如Swadesh核心词汇表（用来衡量词汇相似度的经典工具）。你可以用它来计算两种语言的词汇重叠度或者同源词比例，这和你提到的网站计算逻辑挺接近的。
  先安装：

  pip install lingpy
  

  举个简单的例子，你可以调用它的同源词检测功能，针对英语和法语的核心词汇做比对，得到的比例可以作为相似度的参考值（虽然数值可能和46.9不完全一致，但逻辑是相通的）。

• 基于预训练多语言模型计算语义相似度
  如果你想要更偏向语义层面的相似度，可以用多语言预训练模型（比如sentence-transformers里的paraphrase-multilingual-MiniLM-L12-v2）。具体思路是：

  1. 收集两种语言的代表性文本（比如维基百科对应语言的词条摘要、经典文学片段）；
  2. 用模型把这些文本转换成向量嵌入；
  3. 计算两种语言向量集合的平均余弦相似度，这个值就能反映整体语言的语义相近程度。
     安装依赖：

  pip install sentence-transformers
  

  这个方法的好处是不需要语言学专业知识，上手快，而且结果也有不错的参考性。

• 自定义语言特征计算
  如果你想更贴近那个网站的计算逻辑，可以自己构建特征：比如统计两种语言的音系特征（比如元音辅音的分布）、常用词汇的重叠率、语法结构的相似点等。比如你可以爬取两种语言的高频词表，计算交集比例，或者用NLTK分析语法树的相似性。不过这个方法需要你对语言学有一定了解，适合需要定制化需求的场景。

另外要提一句，不同工具的计算逻辑不一样，所以得到的数值可能和你说的46.9有差异，但只要选对了符合需求的方法，结果会有很高的参考价值哦。

备注：内容来源于stack exchange，提问作者Pixel_Bear