Python-2つの文字列の違い

たくさんの単語をリストに保存したいのですが。これらの単語の多くは非常に似ています。たとえば、私は言葉を持っているafrykanerskojęzycznyし、言葉の多くが好きafrykanerskojęzycznym、afrykanerskojęzyczni、nieafrykanerskojęzyczni。2つの文字列の違いを見つけ、最初の文字列とdiffから2番目の文字列を復元するための効果的な（高速で小さなdiffサイズを与える）ソリューションは何ですか？

これを行うには、difflibモジュールでndiffを使用できます。ある文字列を別の文字列に変換するために必要なすべての情報が含まれています。

簡単な例：

import difflib

cases=[('afrykanerskojęzyczny', 'afrykanerskojęzycznym'),
       ('afrykanerskojęzyczni', 'nieafrykanerskojęzyczni'),
       ('afrykanerskojęzycznym', 'afrykanerskojęzyczny'),
       ('nieafrykanerskojęzyczni', 'afrykanerskojęzyczni'),
       ('nieafrynerskojęzyczni', 'afrykanerskojzyczni'),
       ('abcdefg','xac')] 

for a,b in cases:     
    print('{} => {}'.format(a,b))  
    for i,s in enumerate(difflib.ndiff(a, b)):
        if s[0]==' ': continue
        elif s[0]=='-':
            print(u'Delete "{}" from position {}'.format(s[-1],i))
        elif s[0]=='+':
            print(u'Add "{}" to position {}'.format(s[-1],i))    
    print()      

プリント：

afrykanerskojęzyczny => afrykanerskojęzycznym
Add "m" to position 20

afrykanerskojęzyczni => nieafrykanerskojęzyczni
Add "n" to position 0
Add "i" to position 1
Add "e" to position 2

afrykanerskojęzycznym => afrykanerskojęzyczny
Delete "m" from position 20

nieafrykanerskojęzyczni => afrykanerskojęzyczni
Delete "n" from position 0
Delete "i" from position 1
Delete "e" from position 2

nieafrynerskojęzyczni => afrykanerskojzyczni
Delete "n" from position 0
Delete "i" from position 1
Delete "e" from position 2
Add "k" to position 7
Add "a" to position 8
Delete "ę" from position 16

abcdefg => xac
Add "x" to position 0
Delete "b" from position 2
Delete "d" from position 4
Delete "e" from position 5
Delete "f" from position 6
Delete "g" from position 7

私はndiffの答えが好きですが、すべてを変更のみのリストに吐き出したい場合は、次のようにすることができます。

import difflib

case_a = 'afrykbnerskojęzyczny'
case_b = 'afrykanerskojęzycznym'

output_list = [li for li in difflib.ndiff(case_a, case_b) if li[0] != ' ']

正規表現モジュール（ファジーセクション）を調べることができます。実際の違いを取得できるかどうかはわかりませんが、少なくとも、挿入、削除、置換など、さまざまな種類の変更の許容数を指定できます。

import regex
sequence = 'afrykanerskojezyczny'
queries = [ 'afrykanerskojezycznym', 'afrykanerskojezyczni', 
            'nieafrykanerskojezyczni' ]
for q in queries:
    m = regex.search(r'(%s){e<=2}'%q, sequence)
    print 'match' if m else 'nomatch'

あなたが求めているのは、特殊な形式の圧縮です。 xdelta3は、この特定の種類の圧縮用に設計されており、Pythonバインディングがありますが、おそらくzlibを直接使用することで回避できます。あなたは利用したいと思いますzlib.compressobjとzlib.decompressobjしてzdict例えば、あなたの「基本語」、にパラメータセットafrykanerskojęzyczny。

警告はPython3.3以降zdictでのみサポートされており、すべての差分に同じ「ベースワード」がある場合にコーディングするのが最も簡単です。これは、必要な場合とそうでない場合があります。

元の質問に対する上記の私のコメントへの答えは、これが彼が望んでいるすべてであると私に思わせます：

loopnum = 0
word = 'afrykanerskojęzyczny'
wordlist = ['afrykanerskojęzycznym','afrykanerskojęzyczni','nieafrykanerskojęzyczni']
for i in wordlist:
    wordlist[loopnum] = word
    loopnum += 1

これにより、次のことが行われます。

ワードリストのすべての値について、ワードリストのその値を元のコードに設定します。

あなたがしなければならないのは、あなたがワードリストを変更する必要がある場所にこのコードを置き、あなたが変更する必要のある単語をワードリストに保存し、元の単語が正しいことを確認することです。

お役に立てれば！