Jarak sunting Levenshtein
Hitung jarak Levenshtein berdasarkan titik kode Unicode tanpa menormalkan teks.
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]Tinjau sebelum menerapkan
Bandingkan perilaku sebenarnya dengan hasil yang diharapkan. Jika pemeriksaan gagal, cari penyebabnya sebelum membuat perubahan lain.
Model
Atur endpoint kompatibel OpenAI atau Anthropic dengan URL dasar dan kunci API jika diperlukan. Uji koneksi. Server model lokal harus berjalan; alat jarak jauh dapat mengirim data secara terpisah.
Proyek
Uji teks kosong, penggantian emoji serta bentuk tersusun atau terurai tanpa mengklaim kesetaraan visual.
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]Tentukan makna kecocokan teks sebelum menulis kodenya
GlyphMetrum adalah ruang kerja pemrograman Windows untuk menggunakan model AI terhubung dalam memeriksa perubahan pemrosesan teks di proyek Anda. Mulailah dengan menjelaskan keputusan yang perlu dibuat aplikasi: membandingkan masukan, menyarankan label yang mirip, atau menolak nilai yang tidak memenuhi syarat. Minta asisten memeriksa fungsi terkait dan kode pemanggilnya sebelum mengusulkan perubahan, agar percakapan menghubungkan detail implementasi dengan perilaku yang terlihat.
Contoh distance.py memberi titik awal konkret untuk pembahasan melalui perbandingan penyuntingan karakter. Itu adalah contoh konteks proyek, bukan mesin pencari atau fitur pencocokan bawaan GlyphMetrum. Aplikasi Anda mungkin memerlukan keputusan sendiri tentang huruf besar-kecil, normalisasi, dan tingkat perbedaan yang dapat diterima. Tinjau keputusan itu secara terpisah dari mekanisme untuk menghitung jarak.
Uji perilaku yang dihasilkan dengan contoh yang hasil harapannya dapat Anda jelaskan, termasuk teks kosong dan string yang tampak serupa tetapi direpresentasikan berbeda. Periksa cara kode pemanggil menangani hasil seri atau ketiadaan kecocokan yang dapat diterima. Hubungkan endpoint kompatibel OpenAI atau Anthropic yang didukung, dengan kredensial bila diwajibkan; model tanpa pembatasan hanya dapat dipilih jika ditawarkan. Pembatasan model, alat yang tersedia, dan batas konteks tetap bergantung pada layanan yang dikonfigurasi. Ruang kerja pemrograman membantu menata pekerjaan sementara Anda memutuskan apakah hasilnya sesuai dengan aplikasi.
Keputusan perbandingan teks untuk tugas pemrograman
Apakah contoh menentukan kebijakan pencocokan yang lengkap?
Tidak. Contoh menyediakan mekanisme perbandingan untuk dibahas. Aplikasi Anda harus menentukan transformasi yang diizinkan dan hasil yang memenuhi syarat sebagai kecocokan, lalu menguji keputusan itu melalui kode pemanggil, bukan mengandalkan jarak saja.
Haruskah pelipatan huruf besar-kecil ditambahkan otomatis?
Hanya jika sesuai dengan perilaku yang dimaksud. Sebagian pengenal peka huruf besar-kecil, sedangkan label bagi pengguna mungkin tidak. Berikan contoh representatif kepada asisten dan tinjau tempat normalisasi dilakukan agar tidak memengaruhi teks yang tidak terkait.
Bagaimana memeriksa saran yang ambigu?
Sertakan kasus dengan beberapa kandidat yang sama dekatnya dan nyatakan respons yang seharusnya diberikan aplikasi. Periksa logika pemilihan selain fungsi perbandingan, sebab jarak yang benar tidak memilih kebijakan penanganan hasil seri yang berguna.
Apakah GlyphMetrum layanan pencarian samar siap pakai?
Tidak ada klaim layanan semacam itu. Ini adalah ruang kerja pemrograman untuk membahas dan meninjau kode pemrosesan teks dalam proyek Anda. Pengindeksan, perilaku aplikasi, dan infrastruktur pencarian apa pun tetap menjadi tanggung jawab implementasi Anda.
GlyphMetrum · Diperbarui 2026-10-25