Question

我认为这可能是不可能合理地做的，但我想我会拍它。所以我要说我有两个NSStrings。一个是@"Singin' In The Rain"，另一个是@"Singing In The Rain"。这些字符串非常相似，但差别很小。我正试图找到一种方法，我可以编写如下内容：

NSString *stringOne = @"Singin' In The Rain";
NSString *stringTwo = @"Singing In The Rain";

float dif = [stringOne differenceFrom:stringTwo];
//dif = .9634 or something like that

我发现的一个与此类似的项目取自之前关于Stack Overflow的类似问题：Check if two NSStrings are similar。但是，这只会返回一个BOOL，它不像我需要的那样准确。我也尝试查看compare:的{{1}}文档，但这看起来太基本了。我发现的另一个类似的事情是https://gist.github.com/iloveitaly/1515464。然而，这给出了不同的结果，甚至说两个相同的字符串偶尔也不同。任何建议都将不胜感激。

Answer 1

问题有点模糊，但我认为最令人满意的结果将来自使用NSLinguisticTagger。如果您使用NSLinguisticTagSchemeLexicalClass方案解析每个标签，那么您的字符串将被分解为动词，名词，形容词等。在您的示例中，即使您没有发现唱歌和唱歌是相同的，你发现其他三个单词是相同的，最后的东西是一个名词，所以他们都是在做同样的事情。

使用像BK-Tree之类的东西来比较你怀疑可能存在匹配的单个单词可能是明智的（名词显然与副词不匹配，但即使拼写不同，两个名词也可能匹配）。

Answer 2

我建议进行这种比较的动态时间扭曲：

http://en.wikipedia.org/wiki/Dynamic_time_warping

然而，这将返回两个字符串之间的距离（因此相同时你会得到0），但这是我能想到的最佳起点。

Answer 3

另一个离墙建议：

diff和类似程序的源代码和算法很容易获得。它们逐行比较输入并检测插入，删除和更改。

比较文本字符串的“亲密度”时，插入，删除或更改单词似乎与任何单词一样好。

所以：

将每个字符串分成“单词”（分隔的空格应该足够）。
使用diff算法比较两个列表，将每个“单词”视为“行”，使用重新同步长度为1（需要相同的“行”数量来处理这两个输入同步回来了）
将“接近度”计算为与总字数相比的插入/删除/更改次数。

对于两个示例字符串，这将提供1：4更改或75％相似。

如果您希望每次更改都有更大的粒度，请将这两个单词拆分为字符并重复算法，为您提供相似的单词（与整个单词相对）。

对于两个示例字符串，这将给出4个中的3个6/7个单词，或96％相似。

如何获得两个NSStrings的％差异

3 个答案: