Distance d’édition de Levenshtein
Calculez la distance Levenshtein par points de code Unicode sans normaliser les chaînes.
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]Vérifiez avant d’appliquer
Comparez le comportement observé au résultat attendu. Si une vérification échoue, cherchez la cause avant de poursuivre les modifications.
Modèles
Configurez un endpoint compatible OpenAI ou Anthropic avec son URL de base et une clé API si nécessaire. Testez la connexion. Un serveur local doit fonctionner ; les outils distants peuvent transmettre des données séparément.
Projet
Testez le vide, une substitution d’emoji et les formes composées ou décomposées sans promettre une équivalence visuelle.
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]Définissez le sens d’une correspondance textuelle avant de la coder
GlyphMetrum est un espace de programmation sous Windows pour examiner les modifications de traitement de texte de votre projet avec un modèle d’IA connecté. Décrivez d’abord la décision nécessaire à l’application : comparer une entrée, suggérer un libellé proche ou rejeter une valeur non admissible. Demandez à l’assistant d’examiner la fonction concernée et son appelant avant de proposer des modifications, afin de relier les détails d’implémentation au comportement visible.
L’exemple distance.py donne un point de départ concret à cette discussion par une comparaison des modifications de caractères. C’est un exemple de contexte de projet, pas un moteur de recherche ni une fonction de rapprochement intégrée à GlyphMetrum. Votre application peut nécessiter ses propres décisions sur la casse, la normalisation et l’écart acceptable. Examinez ces décisions séparément du mécanisme de calcul d’une distance.
Testez le comportement obtenu avec des exemples dont vous pouvez expliquer les résultats attendus, notamment du texte vide et des chaînes visuellement similaires représentées différemment. Vérifiez comment l’appelant gère les ex æquo ou l’absence de correspondance acceptable. Connectez un point de terminaison compatible OpenAI ou Anthropic pris en charge, en ajoutant les identifiants nécessaires ; un modèle sans restriction n’est sélectionnable que s’il est proposé. Les restrictions du modèle, outils disponibles et limites de contexte dépendent toujours du service configuré. L’espace de programmation aide à organiser le travail ; vous décidez si le résultat convient à l’application.
Décisions de comparaison textuelle pour une tâche de programmation
L’exemple définit-il une politique complète de rapprochement ?
Non. Il fournit un mécanisme de comparaison à discuter. Votre application doit décider des transformations autorisées et des résultats qualifiés de correspondance, puis tester ces décisions via l’appelant au lieu de se fier à la seule distance.
Faut-il ajouter automatiquement une comparaison sans distinction de casse ?
Seulement si elle correspond au comportement voulu. Certains identifiants sont sensibles à la casse, contrairement à certains libellés utilisateurs. Donnez des exemples représentatifs à l’assistant et vérifiez où se produit toute normalisation afin qu’elle ne touche pas des textes sans rapport.
Comment vérifier les suggestions ambiguës ?
Incluez des cas où plusieurs candidats sont aussi proches et précisez la réponse attendue de l’application. Inspectez la logique de sélection autant que la fonction de comparaison : une distance correcte ne définit pas une règle utile de départage.
GlyphMetrum est-il un service de recherche approximative prêt à l’emploi ?
Aucun service de ce type n’est annoncé. C’est un espace de programmation où discuter et examiner le code de traitement de texte de votre projet. L’indexation, le comportement applicatif et l’infrastructure de recherche restent à votre charge.
GlyphMetrum · Mis à jour 2026-10-25