python计算两个文件内容的相似度

在Python中，计算两个文件内容的相似度通常可以使用自然语言处理库NLTK（如`nltk.corpus.reader.plaintext`用于读取纯文本）或者更专业的文本相似度库，比如`scikit-learn`的`CountVectorizer`、`TfidfVectorizer`，或者是专门用于文本相似度的工具如`gensim`、`spaCy`等。下面是一个简单示例，我们将使用`difflib`库计算两个文本文件的差异百分比，作为大致的相似度指标：

import difflib

def file_similarity(file1_path, file2_path):
    with open(file1_path, 'r') as f1, open(file2_path, 'r') as f2:
        file1_content = f1.read().strip()
        file2_content = f2.read().strip()

    # 使用Damerau-Levenshtein距离计算，它考虑了插入、删除、替换和交换字符的操作
    similarity_ratio = SequenceMatcher(None, file1_content, file2_content).ratio()

    # 将比率转换成百分比
    similarity_percentage = similarity_ratio * 100

    return similarity_percentage

file1_path = "path_to_your_first_file.txt"
file2_path = "path_to_your_second_file.txt"

similarity = file_similarity(file1_path, file2_path)
print(f"两个文件的相似度是: {similarity}%")