Levenshtein-Editierdistanz
Berechne die Levenshtein-Distanz nach Unicode-Codepunkten ohne Zeichenfolgen zu normalisieren.
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]Vor dem Anwenden prüfen
Vergleichen Sie das tatsächliche Verhalten mit dem erwarteten Ergebnis. Klären Sie fehlgeschlagene Prüfungen vor weiteren Änderungen.
Modelle
Richten Sie einen OpenAI-kompatiblen oder Anthropic-Endpunkt mit Basis-URL und gegebenenfalls API-Schlüssel ein. Testen Sie die Verbindung. Ein lokaler Modellserver muss laufen; entfernte Werkzeuge können Daten separat übertragen.
Projekt
Prüfe leeren Text, einen Emoji-Austausch und zusammengesetzte oder zerlegte Formen, ohne visuelle Gleichheit zu behaupten.
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]Vor dem Programmieren festlegen, was eine Textübereinstimmung bedeutet
GlyphMetrum ist eine Programmierumgebung für Windows, in der Sie mit einem verbundenen KI-Modell Änderungen der Textverarbeitung Ihres Projekts untersuchen. Beschreiben Sie zuerst die benötigte Entscheidung: Eingaben vergleichen, eine ähnliche Bezeichnung vorschlagen oder einen ungeeigneten Wert ablehnen. Lassen Sie den Assistenten Funktion und Aufrufer vor Änderungen prüfen, damit das Gespräch Implementierungsdetails mit sichtbarem Verhalten verbindet.
Das Beispiel distance.py bietet mit einem Vergleich anhand von Zeichenänderungen einen konkreten Einstieg. Es ist beispielhafter Projektkontext, keine in GlyphMetrum eingebaute Suchmaschine oder Abgleichfunktion. Ihre Anwendung braucht möglicherweise eigene Entscheidungen zu Groß- und Kleinschreibung, Normalisierung und akzeptablem Unterschied. Prüfen Sie diese getrennt vom Mechanismus der Distanzberechnung.
Testen Sie das resultierende Verhalten mit Beispielen, deren erwartete Ergebnisse Sie erklären können, einschließlich leerer Texte und optisch ähnlicher, unterschiedlich repräsentierter Zeichenfolgen. Prüfen Sie den Umgang des Aufrufers mit Gleichständen oder fehlenden passenden Treffern. Verbinden Sie einen unterstützten OpenAI-kompatiblen oder Anthropic-Endpunkt, bei Bedarf mit Zugangsdaten; ein uneingeschränktes Modell ist nur auswählbar, sofern angeboten. Modelleinschränkungen, verfügbare Werkzeuge und Kontextgrenzen hängen weiterhin vom konfigurierten Dienst ab. Die Programmierumgebung hilft bei der Organisation; Sie beurteilen, ob das Ergebnis zur Anwendung passt.
Textvergleichsentscheidungen für eine Programmieraufgabe
Definiert das Beispiel eine vollständige Abgleichregel?
Nein. Es bietet einen Vergleichsmechanismus zur Diskussion. Ihre Anwendung muss erlaubte Transformationen und passende Ergebnisse festlegen und diese Entscheidungen über den Aufrufer testen, statt sich allein auf die Distanz zu verlassen.
Sollte automatisch ein Vergleich ohne Groß- und Kleinschreibung ergänzt werden?
Nur wenn dies zum beabsichtigten Verhalten passt. Manche Bezeichner unterscheiden die Schreibweise, während sichtbare Bezeichnungen dies möglicherweise nicht tun. Geben Sie repräsentative Beispiele an und prüfen Sie den Ort jeder Normalisierung, damit sie keinen unbeteiligten Text beeinflusst.
Wie prüfe ich mehrdeutige Vorschläge?
Berücksichtigen Sie Fälle mit mehreren gleich nahen Kandidaten und legen Sie die Reaktion der Anwendung fest. Prüfen Sie neben der Vergleichsfunktion die Auswahllogik: eine korrekte Distanz bestimmt keine sinnvolle Gleichstandsregel.
Ist GlyphMetrum ein fertiger Dienst für unscharfe Suche?
Ein solcher Dienst wird nicht zugesichert. Es ist eine Programmierumgebung zum Besprechen und Prüfen von Textverarbeitungscode in Ihrem Projekt. Indexierung, Anwendungsverhalten und etwaige Suchinfrastruktur bleiben Ihre Implementierungsaufgaben.
GlyphMetrum · Aktualisiert 2026-10-25