有这么几个点阵文件，如5这个字符分别由10*10的0或1字符组成，现在有S字符的点阵文件，需要对两个文件做比较，得出两个点阵字符的相似度百分比。

可以使用汉明距离来表示两个点阵字符的差异程度，汉明距离指的是两个等长字符串在对应位置上不同的字符的个数。计算相似度时，可以将汉明距离除以字符长度，再用1减去得到的结果，即为相似度百分比。

以5字符为例，假设其点阵文件为：
0000011111
0000111111
0001111111
0011111100
0111110000
1111100000
1110000000
1110000000
1110000000
1111111111

可以将其存储为一个二维数组，每个元素表示该位置上的0或1。

同理，可以将S字符的点阵文件也存储为一个二维数组。

然后，计算两个二维数组的汉明距离，即可得出它们的差异程度。再将汉明距离除以字符长度，用1减去得到的结果即为相似度百分比。

实际上，在计算汉明距离时，由于每个字符位置只有0或1两种情况，可以使用异或运算（^）来计算差异的数量。具体实现方法见下方示例代码：

def hamming_distance(a, b):
    """
    计算两个等长字符串/列表 a 和 b 的汉明距离
    """
    return sum(c1 != c2 for c1, c2 in zip(a, b))

def similarity_percentage(char1, char2):
    """
    计算点阵字符 char1 和 char2 的相似度百分比
    """
    rows, cols = len(char1), len(char1[0])
    total_bits = rows * cols
    total_diff = hamming_distance(char1[i][j] ^ char2[i][j] for i in range(rows) for j in range(cols))
    similarity = 1 - total_diff / total_bits
    return similarity * 100