python - Levenshtein两个文件上的距离花费太多时间

Question

我是编程新手，正在构建文件相似性查找器，该查找器可发现两个文件的相似性。
到目前为止，我将文件存储为两个字符串，然后使用levenshtein距离来查找文件的相似程度。
问题是，没有levenshtein距离的执行时间是206ms，这是由于文件到字符串的转换所致。
当我使用levenshtein距离时，执行时间高达19504ms
将文件转换为字符串所需时间的将近95倍，这成为我项目中的瓶颈
任何帮助，将不胜感激
我对C，C++和Python感到很满意。如果您能指出任何消息来源，我将不胜感激
这是我用于计算Levenshtein距离的函数的C++代码:

//LEVENSHTEIN
int levenshtein(std::string a, std::string b){
  int len_a = a.length();
  int len_b = b.length();
  int d[len_a + 1][len_b+1];

  for(int i = 0; i < len_a + 1; i++)
    d[i][0] = i;

  for(int j = 0; j < len_b + 1; j++)
    d[0][j] = j;

  for(int i = 1; i < len_a + 1; i++){
    for(int j = 1; j < len_b + 1; j++){
      if(a[i - 1] == b[j - 1]){
        d[i][j] = d[i - 1][j - 1];
      }
      else{
        d[i][j] = 1 + min(min(d[i][j-1],d[i-1][j]),d[i-1][j-1]);
      }
    }
  }

  int answer = d[len_a][len_b];

  return answer;
}

我只需要比较两个文件，而不是更多。我了解了levenshtein中trie的用法，但这对于将多个字符串与源进行比较很有用。除此之外，我没有太多运气

Answer 1

有一个名为nltk的软件包。看看这个。

from nltk import distance
print(distance.edit_distance('aa', 'ab'))

输出:

1