ローカル実測/文字列照合

RapidFuzzとdifflibのローカル文字列照合を比較|同じ文字列で測った点数・一致・処理時間

この記事の料金・仕様は時点で各社の公式ページを確認したものです。

二つの箱を細い線で結んだ、文字列の照合を表す抽象イラスト

英語と日本語の文字列を二つの道具に渡し、点数の出方、トップ候補の一致、処理時間を並べました。difflibの落とし穴と、選ぶ目安も載せています。

結論

候補が多く、何度も照合する人は
RapidFuzzが向いています。手元の測定では、最も遅い回でも、difflibの最も速い回より短く終わりました。
ライブラリを増やさず、少量だけ照合する人は
difflibで足ります。ただしautojunkの既定が点数を変える場合があるため、設定を決めてから使います。
全角や大文字小文字が混ざる文字列を扱う人は
どちらを選んでも、前処理が先です。前処理なしの観察例では、両方とも同じ低い点数でした。

同じ16件の検索語を1000件の候補に当てる照合が、RapidFuzzでは0.007805834秒、difflibでは0.24368秒で終わりました。

予想と違ったのは、速さよりも上位の一致です。点数の尺度が違っても、六つの条件すべてで、トップの候補は16件中16件そろいました。

比べたのは、RapidFuzzのfuzz.ratioと、標準のdifflibにあるSequenceMatcherのratioです。 どちらも自作の架空の品名を使い、このMacのCPUだけで動かしました。

類似度の出力:RapidFuzzは0〜100の点数、difflibは0〜1の比率

RapidFuzzのratioは0〜100の点数、difflibのratioは0〜1の比率で返ります。

difflibの比率は、一致した文字数の二倍を、両方の文字数の合計で割った値です。 完全に同じなら1.0、共通部分がなければ0.0になります。

次の表は、同じ文字列の組を両方に渡した観察例です。前処理はかけていません。

観察例RapidFuzz(点)difflib(比率)difflibを100倍
完全に同じ100.01.0100.0
誤字の例94.117647058823520.941176470588235394.11764705882352
大文字小文字の例87.50.87587.5
日本語の例92.30769230769230.923076923076923192.3076923076923
tideをdietと比べる50.00.2525.0
dietをtideと比べる50.00.550.0

多くの例で、difflibを100倍した値はRapidFuzzの点数と同じ並びになりました。 100倍しても、アルゴリズムの意味やしきい値が同じになるわけではありません。

例外は、tideとdietの組です。 difflibだけ、比べる順番を入れ替えると0.25が0.5に変わりました。RapidFuzzは両方向で50.0点です。

結合文字の例では、RapidFuzzが66.66666666666667点、difflibの100倍が66.66666666666666と、末尾の1桁がずれました。 点数どうしを突き合わせるなら、丸めてから行うのが無難です。

出典: difflib公式ドキュメントと、測定記録の生データ(2026年11月3日確認)

照合結果:トップの候補は六つの条件すべてで16件中16件そろった

英語100件、英語1000件、日本語1000件のどの候補集合でも、両ツールのトップ候補は16件中16件一致しました。

条件候補件数クエリ件数一致件数
英語100件(前処理なし)100件16件16件
英語100件(NFKCと小文字化)100件16件16件
英語1000件(前処理なし)1000件16件16件
英語1000件(NFKCと小文字化)1000件16件16件
日本語1000件(前処理なし)1000件16件16件
日本語1000件(NFKCと小文字化)1000件16件16件

この16件は、二つのツールの答えが同じだった数です。 正答率ではありません。

同点のときは、候補の番号が小さいほうを先に置く約束で並べています。

前処理をかけるかどうかで、点数は大きく変わります。 NFKC(全角を半角にそろえるなどの正規化)を通さない全角の観察例は、両ツールとも0.0点でした。通すと、どちらも100.0点です。

大文字小文字の例は87.5点から100.0点へ、結合文字の例は66.66666666666667点から100.0点へ変わりました。

処理時間:候補1000件の照合で、RapidFuzzは0.007805834秒、difflibは0.24368秒

16件の検索語を英語1000件の候補に当てた1周は、前処理なしで、RapidFuzzが0.007805834秒、difflibが0.24368秒でした。

次の表は、各条件を5回計り、中央の値を並べたものです。1周は16件の検索語すべてを含みます。

条件RapidFuzz(秒)difflib(秒)
英語100件(前処理なし)0.0005102920.020639083
英語100件(NFKCと小文字化)0.0005470840.02601925
英語1000件(前処理なし)0.0078058340.24368
英語1000件(NFKCと小文字化)0.0112619580.336183875
日本語1000件(前処理なし)0.0083704160.249689833
日本語1000件(NFKCと小文字化)0.0076211250.356275625

英語1000件・前処理なしの5回を見ると、RapidFuzzは0.006062167秒から0.010685459秒でした。 difflibは0.229906791秒から0.417249625秒です。

RapidFuzzのいちばん遅い回でも、difflibのいちばん速い回より短く終わっています。 数字の桁が、はっきり違って見えます。

落とし穴:difflibは既定のままだと、長い反復文字で点数が0.0になる

difflibには、よく出る文字を自動で「ごみ」とみなす仕組みがあり、既定で有効です。

xのあとにaを300個並べた文字列と、aを300個のあとにyを置いた文字列を比べました。 autojunkをFalseにすると0.9966777408637874、既定のTrueだと0.0でした。

RapidFuzzは同じ組で99.66777408637874点でした。

今回の速度比較は、autojunk=Falseで固定しています。 既定値のままの速度とは、読み比べないでください。

出典: difflib公式ドキュメントと、測定記録の生データ(2026年11月3日確認)

どちらを選ぶか:候補の数と、導入できる道具で決める

候補が千件規模で何度も回すならRapidFuzz、少量の照合を標準ライブラリだけで済ませたいならdifflibです。

決め手を一枚にまとめると、次の表になります。

見る点RapidFuzzdifflib
類似度の出力0〜100の点数0〜1の比率
順番を入れ替えた時50.0点のまま0.25が0.5に変化
処理時間(英語1000件・前処理なし)0.007805834秒0.24368秒
導入別途インストール(MITライセンス)Pythonに付属

選ぶ理由は三つあります。

  1. 候補の数です。1000件では1周が0.007805834秒と0.24368秒でしたが、100件ならdifflibでも0.020639083秒でした。
  2. 導入の手間です。RapidFuzzは別に入れるライブラリで、difflibは標準ライブラリの章にあります。
  3. 点数の扱いです。difflibは順番で値が変わる例があり、RapidFuzzは両方向で50.0点でした。

RapidFuzzの公式ページは、cdistのようなまとめて計算する道具のほうが、一件ずつ呼ぶより大幅に速いと説明しています。 今回の測定は一件ずつ呼ぶ形なので、まとめ呼びの数字は別の話です。

difflibの計算量は、最悪で二乗時間、最良で線形時間と説明されています。 長い文字列を何度も比べるときは、この増え方に注意します。

次の箱は、道具ごとの一言まとめです。

道具ごとの一言まとめ

RapidFuzz

C++で書かれた、速さを売りにする照合ライブラリです。

difflib

一致した文字の割合を小数で返す、標準の照合道具です。

autojunk

difflibが既定で、よく出る文字をごみ扱いする仕組みです。

cdist

RapidFuzzでまとめて計算する道具で、一件ずつ呼ぶより速いと案内されています。

出典: 各社の公式ページ(2026年11月3日確認)

迷ったら、次の質問を上から順にたどってください。

RapidFuzzとdifflibの選び方

  1. 1. 追加のライブラリを入れられない環境ですか?
    はい → difflibを選びます。長い反復文字を扱うなら、autojunkの設定を先に決めます。いいえ → 次は質問2です。
  2. 2. 一度に照合する候補は千件規模以上で、何度も繰り返しますか?
    はい → RapidFuzzを選びます。いいえ → 次は質問3です。
  3. 3. 全角や大文字小文字が混ざった文字列を照合しますか?
    はい → どちらを選んでも、先にNFKCと小文字化の前処理を入れます。いいえ → 候補が少なければ、標準のdifflibで足ります。
出典: 各社の公式ページ(2026年11月3日確認)

測定と比較の範囲

測定は2026年11月3日(日本時間)に、このMac1台で行いました。macOS 27.2、CPython 3.14.10、RapidFuzz 3.14.3で、CPUを直列に動かした1回の実行です。

入力は、架空の品名と6文字の識別子から作った人工データです。 実際の商品名や住所、顧客台帳の照合品質は測っていません。意味の近さを見る照合や、LLMの回答品質も範囲外です。

計時には、全スコアの生成、上位3件の並べ替え、同点数の算出を含めました。 インストール、読み込み、入力生成、前処理の時間は含めていません。

CPUの機種名や負荷、温度は取っておらず、他のプロセスの影響は分けていません。 百万件の候補、しきい値、cdistとextract、並列化、メモリ、別OSでの速さも範囲外です。

difflibの既定値(autojunk=True)で速度を計っていません。 この実行ではRapidFuzzが速くても、データや設定が変わったときの速さは保証できません。

出典

公式ページ(すべて2026年11月3日に確認)

自前の測定(2026年11月3日実施)

変更履歴

日付内容
2026-11-03初版公開。点数の出方、トップ候補の一致、処理時間を同じ文字列で比べた

このサイトで測った元データ

更新履歴

  1. 初版。同じ自作文字列で測った点数・一致数・処理時間を掲載した

    一次ソース

関連記事