正则表达式拼写错误

Question

我有一个从数据库中的列表创建的正则表达式，以匹配游戏中建筑物类型的名称。问题是拼写错误，有时那些在游戏中为团队编写说明的人会拼错一个建筑名称，显然正则表达式不会捡起来（即拼写为“大学”和“大学”）。

有关于制作1或2个字母的正则表达式拼写错误拼写的建议吗？

正则表达式是动态生成的，并且可以在能够处理更多负载的本地计算机上运行，​​所以我作为最后的手段以算法方式创建每个单词的版本，其中缺少一个字母，然后另一个单词添加了字母。

我正在使用PHP，但我希望这个问题的任何解决方案都不是特定于PHP的。

Answer 1

请允许我向您介绍Levenshtein Distance，衡量字符串之间的差异，将一个字符串转换为另一个字符串所需的转换次数。

它也是built into PHP。

因此，我将输入文件拆分为非单词字符，并测量每个单词与目标建筑物列表之间的距离。如果距离低于某个阈值，则假设它是拼写错误。

我认为你可以通过这种方式获得更多的运气，而不是为每种特殊情况制作正则表达式。

Answer 2

通过查看以前的结果，谷歌实施“你的意思是”也可能有所帮助：

How do you implement a "Did you mean"?

Answer 3

  

What is Soundex() ? – Teifion (28 mins ago)

soundex类似于levennshtein函数Triptych提到的。这是一种比较字符串的方法。请参阅：http://us3.php.net/soundex

您还可以查看metaphone和similar_text。我会把它放在评论中，但我还没有足够的代表那样做。 ：d

Answer 4

在我们有时使用Soundex（）解决这些问题的日子里。

Answer 5

你很幸运;算法人员已经对正则表达式的近似匹配做了大量工作。这些工具中最古老的可能agrep最初是在亚利桑那大学开发的，现在有一个很好的开源版本。您只需告诉agrep您愿意容忍多少错误，并从那里开始匹配。除了行之外，它还可以匹配其他文本块。 link above链接到较新的GPLed版agrep以及许多特定于语言的库，用于正则表达式的近似匹配。

Answer 6

这可能有点矫枉过正，但Google的Peter Norvig写了一篇关于用Python编写拼写检查程序的excellent article。这绝对值得一读，可能适用于您的情况。

在文章的最后，他还列出了用其他各种语言提供的算法实现。