Python: diferencia entre dos cadenas

Me gustaría almacenar muchas palabras en una lista. Muchas de estas palabras son muy similares. Por ejemplo, tengo palabra afrykanerskojęzycznyy muchos de palabras como afrykanerskojęzycznym, afrykanerskojęzyczni, nieafrykanerskojęzyczni. ¿Cuál es la solución efectiva (rápida y con un tamaño de diferencia pequeño) para encontrar la diferencia entre dos cadenas y restaurar la segunda cadena de la primera y la diferencia?

Puede usar ndiff en el módulo difflib para hacer esto. Tiene toda la información necesaria para convertir una cadena en otra cadena.

Un simple ejemplo:

import difflib

cases=[('afrykanerskojęzyczny', 'afrykanerskojęzycznym'),
       ('afrykanerskojęzyczni', 'nieafrykanerskojęzyczni'),
       ('afrykanerskojęzycznym', 'afrykanerskojęzyczny'),
       ('nieafrykanerskojęzyczni', 'afrykanerskojęzyczni'),
       ('nieafrynerskojęzyczni', 'afrykanerskojzyczni'),
       ('abcdefg','xac')] 

for a,b in cases:     
    print('{} => {}'.format(a,b))  
    for i,s in enumerate(difflib.ndiff(a, b)):
        if s[0]==' ': continue
        elif s[0]=='-':
            print(u'Delete "{}" from position {}'.format(s[-1],i))
        elif s[0]=='+':
            print(u'Add "{}" to position {}'.format(s[-1],i))    
    print()      

huellas dactilares:

afrykanerskojęzyczny => afrykanerskojęzycznym
Add "m" to position 20

afrykanerskojęzyczni => nieafrykanerskojęzyczni
Add "n" to position 0
Add "i" to position 1
Add "e" to position 2

afrykanerskojęzycznym => afrykanerskojęzyczny
Delete "m" from position 20

nieafrykanerskojęzyczni => afrykanerskojęzyczni
Delete "n" from position 0
Delete "i" from position 1
Delete "e" from position 2

nieafrynerskojęzyczni => afrykanerskojzyczni
Delete "n" from position 0
Delete "i" from position 1
Delete "e" from position 2
Add "k" to position 7
Add "a" to position 8
Delete "ę" from position 16

abcdefg => xac
Add "x" to position 0
Delete "b" from position 2
Delete "d" from position 4
Delete "e" from position 5
Delete "f" from position 6
Delete "g" from position 7

Me gusta la respuesta ndiff, pero si desea escupirlo todo en una lista de solo los cambios, puede hacer algo como:

import difflib

case_a = 'afrykbnerskojęzyczny'
case_b = 'afrykanerskojęzycznym'

output_list = [li for li in difflib.ndiff(case_a, case_b) if li[0] != ' ']

Puede mirar en el módulo regex (la sección difusa). No sé si puede obtener las diferencias reales, pero al menos puede especificar el número permitido de diferentes tipos de cambios como insertar, eliminar y sustituciones:

import regex
sequence = 'afrykanerskojezyczny'
queries = [ 'afrykanerskojezycznym', 'afrykanerskojezyczni', 
            'nieafrykanerskojezyczni' ]
for q in queries:
    m = regex.search(r'(%s){e<=2}'%q, sequence)
    print 'match' if m else 'nomatch'

Lo que está pidiendo es una forma especializada de compresión. xdelta3 fue diseñado para este tipo particular de compresión, y hay un enlace de Python para él, pero probablemente podría salirse con la suya usando zlib directamente. Le gustaría usar zlib.compressobjy zlib.decompressobjcon el zdictparámetro establecido en su "palabra base", por ejemplo afrykanerskojęzyczny.

Las advertencias zdictsolo se admiten en Python 3.3 y versiones posteriores, y es más fácil de codificar si tiene la misma "palabra base" para todas sus diferencias, que puede ser o no lo que desea.

La respuesta a mi comentario anterior sobre la pregunta original me hace pensar que esto es todo lo que quiere:

loopnum = 0
word = 'afrykanerskojęzyczny'
wordlist = ['afrykanerskojęzycznym','afrykanerskojęzyczni','nieafrykanerskojęzyczni']
for i in wordlist:
    wordlist[loopnum] = word
    loopnum += 1

Esto hará lo siguiente:

Para cada valor de la lista de palabras, establezca ese valor de la lista de palabras en el código original.

Todo lo que tiene que hacer es colocar este fragmento de código donde necesita cambiar la lista de palabras, asegurándose de almacenar las palabras que necesita cambiar en la lista de palabras y que la palabra original es correcta.

¡Espero que esto ayude!