🧰 UtlKit

String-Ähnlichkeit

Vergleichen Sie zwei Strings und berechnen Sie die Levenshtein-Distanz und Ähnlichkeitsprozentsatz.

Distanz
3
Ähnlichkeit
57.1%
Operationen
7
Ähnlichkeit
Editieroperationen (7)
1. Ersetzen 'k' → 's'
2. Übereinstimmung 'i'
3. Übereinstimmung 't'
4. Übereinstimmung 't'
5. Ersetzen 'e' → 'i'
6. Übereinstimmung 'n'
7. Einfügen 'g'
🐛

Problem Melden

Sie haben einen Bug gefunden oder einen Vorschlag? Helfen Sie uns, dieses Tool zu verbessern.

📊 Datenzusammenfassung (automatisch ausgefüllt)

Werkzeug: string-similarity · /tools/string-similarity/

str1: kitten

str2: sitting

Was ist dieses Tool?

Die String-Ähnlichkeit vergleicht zwei Textstrings und misst, wie ähnlich sie sich sind, mit mehreren Algorithmen. Unterstützt Levenshtein-Distanz (Bearbeitungsdistanz), Jaccard-Ähnlichkeit, Kosinus-Ähnlichkeit und längste gemeinsame Teilfolge. Nützlich für Fuzzy-Matching, Plagiatsprüfung, Rechtschreibprüfung und Daten-Deduplizierung.

Anwendung

  1. 1

    Ersten String eingeben

    Geben Sie den ersten Text zum Vergleichen ein.

  2. 2

    Zweiten String eingeben

    Geben Sie den zweiten Text zum Vergleichen ein.

  3. 3

    Ergebnisse anzeigen

    Siehen Sie die Ähnlichkeitsscores mehrerer Algorithmen.

Häufig gestellte Fragen

Was ist die Levenshtein-Distanz?

Die Levenshtein-Distanz zählt die minimale Anzahl von Einzelzeichen-Änderungen (Einfügungen, Löschungen, Ersetzungen), die nötig ist, um einen String in einen anderen zu verwandeln. Eine Distanz von 0 bedeutet identische Strings. Geringere Distanz = ähnlicher.

Welchen Algorithmus soll ich verwenden?

Levenshtein für Tippfehler, Cosine für Text.

Kann ich sehr großen Text verarbeiten?

Der Browser kann Text von mehreren Megabytes verarbeiten. Sehr große Dateien sollten Sie vorher aufteilen.

Welchen String-Ähnlichkeitsalgorithmus sollte ich verwenden?

Für die fehlertolerante Übereinstimmung kurzer Strings verwenden Sie die Levenshtein-Distanz (Editieroperationen). Für Mengen oder längere Dokumente Jaccard (Mengen-Überlappung) oder Cosinus-Ähnlichkeit über Token- und Zeichen-n-Gramme. Normalisieren Sie zuerst (Kleinbuchstaben, Trimmen, Unicode-Normalisierung), bevor Sie Distanzen berechnen.

Verwandte Tools