Python 我需要一个给定相似输入返回相似索引的函数

所以我研究了散列函数，发现给定两个类似的字符串，即使它们相差一位，结果也会是一个完全不同的散列键。实际上，我需要创建某种唯一的id，它具有这样的特性：对于类似的输入（将是数百万个字母数字字符串），它非常相似

例如：

• 两个相等的字符串必须具有相同的哈希

---

• 两个不同的字符串必须具有不同的哈希
• 两个非常相似的不同字符串必须具有不同的哈希值，同时它们之间的距离不会太远

---

实现这一目标的好方法是什么？我使用的是python。

如果您确信您总是有字母数字数据，那么我建议使用base 36（或更高）算法

你可以用我给出的方法来回答这个问题：

用法示例：

for i in range(100):                                    
    print i, base_decode(base_encode(i)), base_encode(i)

---

如果你确定你总是有字母数字数据，那么我建议你使用36进制（或更高）算法

你可以用我给出的方法来回答这个问题：

用法示例：

for i in range(100):                                    
    print i, base_decode(base_encode(i)), base_encode(i)

---

我相信以下内容满足您的要求

def gethash(data):
  u"given a character string return an integer hash value"
  return reduce(lambda b1, b2: (b1 << 8) + b2,
      imap(ord, unicodedata.normalize('NFC', data).encode('UTF-8')))

def gethash（数据）：
u“给定字符串返回整数哈希值”
返回减少（λb1，b2:（b1我相信以下内容满足您所述的要求

def gethash(data):
  u"given a character string return an integer hash value"
  return reduce(lambda b1, b2: (b1 << 8) + b2,
      imap(ord, unicodedata.normalize('NFC', data).encode('UTF-8')))

def gethash（数据）：
u“给定字符串返回整数哈希值”
return reduce（lambda b1，b2:（b1你所要求的是不可能的，假设“相似散列”你的意思是值应该具有相似的大小-例如，12345与12346相似，但与92345不同。原因是这种相似性是一维的（一条数字线），但字符串彼此相似的方式没有固定的维度（例如，“foo”、“fob”和“fod”彼此之间都有距离1）

如果要执行模糊匹配，则需要使用不同的文本索引方法，如或

如果您只是想比较单个值的相似性，那么首先不要对它们进行散列，只需立即计算它们的编辑距离。
您所要求的是不可能的，假设“相似散列”的意思是这些值应该具有相似的大小-例如，12345与12346相似，但与92345不同。原因是这种相似性是一维的（一条数字线），但是字符串之间相似的方式没有固定的维度（例如，“foo”、“fob”和“fod”彼此之间的距离都是1）

如果要执行模糊匹配，则需要使用不同的文本索引方法，如或

如果您只是想比较单个值的相似性，首先不要对它们进行散列，只要立即计算它们的编辑距离即可。
“两个不同的字符串必须具有不同的散列。”除非散列长度超过可能的最长字符串，否则这是不可能的。“两个非常相似的不同字符串必须具有不同的哈希值，同时它们之间的距离不会太远。"如果你不需要加密安全性，你可以使用一些简化的哈希函数。使用原始字符串并存储某种形式的levenstein距离？你能解释一下你想用它做什么吗？可能有更好的方法来实现你的最终结果。我不需要加密安全性。当我说它们一定不同时，我的意思是尽可能避免冲突。我需要比较非齐次数据（数字和字符串组合），这可能会出现错误，例如键入错误“两个不同的字符串必须具有不同的哈希值”。除非哈希值长于可能最长的字符串，否则这是不可能的。“两个非常相似的不同字符串必须具有不同的哈希值，同时它们之间的距离不会太远。"如果你不需要加密安全性，你可以使用一些简化的哈希函数。使用原始字符串并存储某种形式的levenstein距离？你能解释一下你想用它做什么吗？可能有更好的方法来实现你的最终结果。我不需要加密安全性。当我说它们一定不同时，我的意思是尽可能避免冲突。我需要比较非齐次数据（数字和字符串的组合），这些数据可能会出现错误，例如键入错误