分别从开始遍历两个 字符串数组，比较 相似（相同） 字符百分比。
新洲网站制作公司哪家好，找成都创新互联！从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设等网站项目制作，到程序开发，运营维护。成都创新互联自2013年创立以来到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选成都创新互联。
第一步：把每个网页文本分词，成为词包（bag of words）。第三步：统计网页（文档）总数M。第三步：统计第一个网页词数N，计算第一个网页第一个词在该网页中出现的次数n，再找出该词在所有文档中出现的次数m。
用算法中的求最大相似子字符串的方法LCS或许可以，它可以找到两个字符串中最大相似的子字符串。
1、试一下antiplag，网页链接，能对程序语言（如java、c/c++、python等）、中英文文档进行查重。
2、Sonar 是一个集成了CheckStyle，PMD，Findbugs的代码校验规则 ，重复代码发现，代码测试覆盖率， 代码注释率，及所有的检测率变化追踪的完美代码质量检查工具。
3、什么是抄袭，一摸一样的叫抄袭？现在人都不会这么傻吧，怎么也得改点。如果是完全相同，把2段代码以流的形式读进来比较。
4、如果是两个源代码文件进行比较，实质上是文本比较，两个文本的相似度分析目前没有看到相关的算法，只有特征匹配来比较相似度。查重软件是比较两边目录的文件指纹数字来判断文件是否是重复的，比如比较文件的md5值。
接下来，我们定义两个字符串 `str1` 和 `str2`，并在 `jaccard_similarity` 函数中使用它们来计算它们之间的相似度。最后，我们将相似度打印到控制台上。
第一步，计算所有评论的tf-idf 值。第二步，使用所有评论的tf-idf 值算出商品描述的tf-idf 值。第三步，计算每一个评论和商品描述之间的tf-idf 余弦相似度。
使用python-Levenshtein模块 import Levenshtein 算法说明 1). Levenshtein.hamming(str1， str2)计算汉明距离。要求str1和str2必须长度一致。是描述两个等长字串之间对应 位置上不同字符的个数。
linux + thread + progress 这样子可以通过java调用linux命令 linux中有一个comm -12命令来实现比较两个文件的共同数据， 生成一个新文本。
应用2：计算文本相似度 明白了对于每个词，如何计算它的TF-IDF值。那么计算文本相似度也轻而易举。我们已经计算了文章中每个词的TF-IDF值，那么我们便可以将文章表征为词的TF-IDF数值向量。
貌似给别的语言用的，可以先用c，c++引出功能，在做成python可调用的模块。
