1.基本原理

海明距离（Hamming Distance）是一种简单而高效的度量方法，用于衡量两个等长字符串（或二进制序列）在相同位置上不同字符的数量。

• 取值范围：非负整数（0到字符串/向量长度），值越大表示差异越显著；
• 特殊说明：仅适用于等长的输入，若两个输入长度不同，通常需要先补零/截断至相同长度，否则无法计算（这是海明距离的核心约束）。

2.算法步骤

步骤1：确保两个输入长度相同

这是前提条件

步骤2：逐位对比，统计“不同位置”的数量

对两个输入的每一个对应位置进行比较，记录不同的位置数，这个数字就是海明距离。

3. 扩展：海明相似度

实际使用中也常计算海明相似度，通常定义为：相似度 = 1 - (海明距离 / 字符串长度)，取值范围为[0,1]，值越大表示越相似。比如上述示例1的海明相似度=1 - 2/5 = 0.6。

3.优缺点适用场景

💡 关键洞察：海明距离不是为自然语言设计的，而是为结构化符号序列或哈希码服务的。在 NLP 中，它主要作为底层工具（如 simHash 的组成部分），而非直接用于句子相似度。

4.与其他距离的对比

5.主流库推荐

工程 / 大规模计算：scipy / numpy
字符串 / 教学 / NLP：textdistance / jellyfish

6.使用

import numpy as np

# 定义两个二进制向量（等长）
vec1 = np.array([1, 0, 1, 1, 0], dtype=int)
vec2 = np.array([1, 0, 0, 1, 1], dtype=int)

# 计算海明距离：统计不同元素的数量
hamming_dist = np.sum(vec1 != vec2)
print(f"向量海明距离：{hamming_dist}")  # 输出：2

# 计算多个向量与目标向量的海明距离
vecs = np.array([[1,0,0,1,1], [1,0,1,0,0], [1,1,1,1,1]], dtype=int)
distances = np.sum(vecs != vec1, axis=1)
print(f"批量向量海明距离：{distances}")  # 输出：[2 2 1]

from scipy.spatial.distance import hamming
import numpy as np

# 字符串（需转为 list 或 array）
a = "karolin"
b = "kathrin"
dist = hamming(list(a), list(b)) * len(a)  # scipy 返回比例，乘以长度得整数距离
print(dist)  # → 3.0

# 二进制数组（更常见）
x = np.array([1, 0, 1, 1, 0])
y = np.array([1, 1, 1, 0, 0])
print(hamming(x, y) * len(x))  # → 2.0

# 布尔向量
print(hamming([True, False, True], [True, True, False]) * 3)  # → 2.0

import rapidfuzz
from rapidfuzz import distance

# 计算字符串的海明距离（需等长）
hamming_dist = distance.Hamming.distance("10110", "10011")
hamming_sim = distance.Hamming.similarity("10110", "10011")  # 相似性（长度 - 距离）
print(f"海明距离：{hamming_dist}，海明相似性：{hamming_sim}")
# 输出：海明距离：2，海明相似性：3

# 批量处理（从候选列表中找最相似的字符串）
candidates = ["10011", "10100", "11111"]
matches = rapidfuzz.process.extract("10110", candidates, scorer=distance.Hamming.distance, limit=2)
print(f"批量匹配结果：{matches}")
# 输出：[('10011', 2, 0), ('10100', 2, 1)]（元组为：候选字符串、海明距离、索引）