Levenshteinova editační vzdálenost
Vypočítejte Levenshteinovu vzdálenost podle kódových bodů Unicode bez normalizace textu.
def edit_distance(a, b):
if not isinstance(a, str) or not isinstance(b, str):
raise ValueError("text.required")
previous = list(range(len(b) + 1))
for i, left in enumerate(a, 1):
current = [i]
for j, right in enumerate(b, 1):
current.append(min(current[-1] + 1, previous[j] + 1,
previous[j - 1] + (left != right)))
previous = current
return previous[-1]Před použitím zkontrolujte
Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
Modely
Nastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.
Projekt
Ověřte prázdný vstup, náhradu emoji a složené či rozložené tvary bez slibu vizuální shody.
def edit_distance(a, b):
if not isinstance(a, str) or not isinstance(b, str):
raise ValueError("text.required")
previous = list(range(len(b) + 1))
for i, left in enumerate(a, 1):
current = [i]
for j, right in enumerate(b, 1):
current.append(min(current[-1] + 1, previous[j] + 1,
previous[j - 1] + (left != right)))
previous = current
return previous[-1]Než napíšete kód, určete význam textové shody
GlyphMetrum je programátorské prostředí pro Windows, v němž připojený model AI pomáhá zkoumat změny zpracování textu v projektu. Nejprve popište rozhodnutí aplikace: porovnat vstup, navrhnout podobný popisek nebo odmítnout nevyhovující hodnotu. Než asistent navrhne změny, požádejte ho o prozkoumání příslušné funkce a jejího volajícího, aby se implementační podrobnosti propojily s viditelným chováním.
Příklad distance.py dává diskusi konkrétní základ porovnáváním znakových úprav. Jde o ukázkový kontext projektu, nikoli vyhledávač nebo porovnávací funkci vestavěnou do GlyphMetrum. Vaše aplikace může potřebovat vlastní rozhodnutí o velikosti písmen, normalizaci a přijatelné míře rozdílu. Tato rozhodnutí posuzujte odděleně od mechanismu výpočtu vzdálenosti.
Výsledné chování testujte na příkladech, jejichž očekávané výsledky umíte vysvětlit, včetně prázdného textu a vizuálně podobných, ale různě reprezentovaných řetězců. Ověřte, jak volající řeší shodu více kandidátů nebo žádnou přijatelnou shodu. Připojte podporovaný koncový bod kompatibilní s OpenAI nebo Anthropic a případně přidejte přihlašovací údaje; model bez omezení lze vybrat jen tam, kde je nabízen. Omezení modelu, dostupné nástroje i limity kontextu nadále závisejí na nastavené službě. Prostředí pomáhá organizovat práci a vy rozhodujete, zda výsledek odpovídá aplikaci.
Rozhodnutí o porovnávání textu v programátorské úloze
Definuje příklad úplná pravidla shody?
Ne. Dodává mechanismus porovnání k diskusi. Aplikace musí rozhodnout, které transformace jsou dovolené a jaký výsledek je shoda, a tato rozhodnutí testovat přes volající kód místo spoléhání pouze na vzdálenost.
Má se automaticky přidat sjednocení velikosti písmen?
Pouze pokud odpovídá zamýšlenému chování. Některé identifikátory rozlišují velikost písmen, zatímco uživatelské popisky nemusí. Dodejte reprezentativní příklady a zkontrolujte, kde normalizace probíhá, aby nezasáhla nesouvisející text.
Jak ověřit nejednoznačné návrhy?
Zahrňte případy, kdy je několik kandidátů stejně blízko, a stanovte reakci aplikace. Kromě porovnávací funkce zkoumejte logiku výběru, protože správná vzdálenost neurčuje užitečné pravidlo řešení shod.
Je GlyphMetrum hotová služba přibližného vyhledávání?
Taková služba se neslibuje. Jde o programátorské prostředí pro diskusi a kontrolu kódu zpracování textu ve vašem projektu. Indexování, chování aplikace a vyhledávací infrastruktura zůstávají vaší implementační odpovědností.
GlyphMetrum · Aktualizováno 2026-10-25