本文目录一览：
- 1、CTF-敲错键盘的md5解密，python通解
- 2、python中是否有用于计算两个字符串相似度的函数
- 3、python 有没有一个模块可以比较两个文本文件内容差异的？而且可以只输出差异的部分？
- 4、如何计算车牌的识别准确率？
CTF-敲错键盘的md5解密，python通解
常常会有无聊的出题人，给出这样的crypto题。md5值可能错了几位，多了几位……
年轻的时候可以用眼睛找，年纪大了以后就想写通解一劳永逸了。思路是用生成的字典去生成md5字典，再和题目密文比较相似度，正好python里有个difflib库，调用一下就能得到相似度值。
有了这个算法后随便改几位md5值都不怕啦！大不了多输出几位！
与君共享
python中是否有用于计算两个字符串相似度的函数
linux环境下，没有首先安装python_Levenshtein，用法如下：
重点介绍几个该包中的几个计算字串相似度的几个函数实现。
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。如
2. Levenshtein.distance(str1, str2)
计算编辑距离（也成Levenshtein距离）。是描述由一个字串转化成另一个字串最少的操作次数，在其中的操作包括插入、删除、替换。如
算法实现 参考动态规划整理：。
3. Levenshtein.ratio(str1, str2)
计算莱文斯坦比。计算公式 r = (sum - ldist) / sum, 其中sum是指str1 和 str2 字串的长度总和，ldist是类编辑距离
注意：这里的类编辑距离不是2中所说的编辑距离，2中三种操作中每个操作+1，而在此处，删除、插入依然+1，但是替换+2
这样设计的目的：ratio('a', 'c')，sum=2,按2中计算为（2-1）/2 = 0.5,’a','c'没有重合，显然不合算，但是替换操作+2，就可以解决这个问题。
4. Levenshtein.jaro(s1, s2)
计算jaro距离，
其中的m为s1, s2的匹配长度，当某位置的认为匹配 当该位置字符相同，或者在不超过
t是调换次数的一半
5. Levenshtein.jaro_winkler(s1, s2)
计算Jaro–Winkler距离
python 有没有一个模块可以比较两个文本文件内容差异的？而且可以只输出差异的部分？
difflib是python提供的比较序列(string list)差异的模块。实现了三个类：
1SequenceMatcher 任意类型序列的比较 (可以比较字符串)
2Differ 对字符串进行比较
3HtmlDiff 将比较结果输出为html格式.
建议你使用SequenceMatcher比较器，给你个例子吧。
SequenceMatcher实例:
import difflib
from pprint import pprint
a = 'pythonclub.org is wonderful'
b = 'Pythonclub.org also wonderful'
s = difflib.SequenceMatcher(None, a, b)
print "s.get_matching_blocks():"
pprint(s.get_matching_blocks())
print "s.get_opcodes():"
for tag, i1, i2, j1, j2 in s.get_opcodes():
print ("%7s a[%d:%d] (%s) b[%d:%d] (%s)" % (tag, i1, i2, a[i1:i2], j1, j2, b[j1:j2]))
输出为：
s.get_matching_blocks():
[(1, 1, 14), (16, 17, 1), (17, 19, 10), (27, 29, 0)]
s.get_opcodes():
replace a[0:1] (p) b[0:1] (P)
equal a[1:15] (ythonclub.org ) b[1:15] (ythonclub.org )
replace a[15:16] (i) b[15:17] (al)
equal a[16:17] (s) b[17:18] (s)
insert a[17:17] () b[18:19] (o)
equal a[17:27] ( wonderful) b[19:29] ( wonderful)
SequeceMatcher(None,a,b)创建序列比较对象，将以a作为参考标准进行
Sequecematcher(None,b,a)创建序列比较对象，将以b作为参考标准进行
a,b表示待比较的两个序列，生成序列比较对象后，调用该对象的get_opcodes()方法，将返回一个元组(tag,i1,i2,j1,j2).tag表示序列分片的比较结果.i1,i2表示序列a的索引，j1,j2表示序列b的索引.
get_opcodes()返回元组(tag,i1,i2,j1,j2)的含义
如何计算车牌的识别准确率？
识别率主要看识别核心算法是否强大（北京易泊识别相机）嵌入式车牌识别算法识别率高，识别速度快，支持车牌种类全。针对倾斜车牌，阴阳车牌，车牌过大等现场出现的特殊问题也进行了算法优化和测试，提高了识别率，正常运行环境识别率可达99.7%
