您需要确定字符串周围的匹配规则。 是什么决定了’类似的字符串’

我已经完成了很多字符串匹配算法，还没有找到任何符合我特定要求的现有库或代码。 检查它们，从它们那里借鉴想法，但你总是需要自定义和编写自己的代码。

Levenstein算法虽然好但有点慢。 我在Smith-Waterman和Jaro-Winkler算法上取得了一些成功，但我发现的最好的是Monge（来自内存）。 然而，阅读原始研究并确定他们编写算法和目标数据集的原因是值得的。

如果您没有正确定义想要匹配的内容并进行衡量，那么您会在意外匹配中找到高分并在预期匹配中找到低分。 字符串匹配非常特定于域。 如果你没有正确定义你的域名，那么你就像一个没有线索的渔夫，扔钩子并希望最好。

这篇博文描述了Lucene在这方面的一些工作。 他们能够非常有效地使用有限状态传感器（自动机）实现Levenshtein距离模糊匹配，编码距离为2.尽管它是开源的，但代码全部都是用Java编写的，有点复杂。

但基本的想法很简单：把你的字典想象成一个巨大的字母状态树。 在state0，你没有信件。 在state1，您承认任何可能是单词首字母的字母。 State2受state1的限制; 如果第一个字母是’x’，则下一个州只允许跟随x的字母（位置2）。 等等

现在对于Levenshtein匹配，你遍历字母树，同时允许一些错误：删除，插入（一个字母的通配符），以及可能的转座（Levenshtein的一个很好的扩展是将转置视为单个编辑而不是2）。 您必须保持状态才能跟踪允许的编辑数量。 这可以非常有效地完成 – 肯定足够快，以便在您键入“拼写建议器时”进行交互。

上述就是C#学习教程：在C＃中超过100k +字符串的快速动态模糊搜索分享的全部内容，如果对大家有所用处且需要了解更多关于C#学习教程，希望大家多多关注—计算机技术网(www.ctvol.com)!