Calcul de ratio de similarité entre 2 textes avec difflib en python.md

ratio_similarity.md

from difflib import SequenceMatcher
text1 = "Mais pourquoi la petite sirène est-elle aussi super, ce n'est pas comme les méchants poissons"
text2 = "Il était une fois une petite sirène super méchante qui mangeait des poissons"
matcher = SequenceMatcher(None, text1, text2)
blocks = matcher.get_matching_blocks()
for pos1, pos2, size in blocks:
    print(size, pos1, pos2, text1[pos1:pos1+size])
>>> 1 1 5 a
>>> 3 2 15 is 
>>> 1 7 18 u
>>> 15 16 21  petite sirène 
>>> 5 46 36 super
>>> 8 75 41  méchant
>>> 10 83 66 s poissons
>>> 0 93 76
ratio_similarity = float(sum([m.size for m in blocks])) / max(blocks[-1].a, blocks[-1].b)
ratio_modif = 1 - ratio_similarity
print(ratio_modif)
>>> 0.537634408602
# SequenceMatcher propose aussi des fonctions calculant un ratio mais nos essais étaient plus concluants avec cette formule :
print(1 - matcher.ratio())
>>> 0.491124260355
print(1 - matcher.quick_ratio())
>>> 0.207100591716
print(1 - matcher.real_quick_ratio())
>>> 0.100591715976