Question

我正在研究F＃中的一个项目，我希望能够找到一种方法来识别两个字符串是否具有相同的结构。我知道有些算法（比如Levenshtein Distance）提供了类似字符串在内容方面的近似值，但我更感兴趣的是比较字符串的实际结构。在结构与内容方面，请考虑以下示例：

＆＃34 07 /二千零十五分之十四＆＃34;和＆＃34; 11/06 / 1999＆＃34;根据像Levenshtein Distance这样的算法，它将被归类为非常不同的。但是，它们在结构上都是相同的（日期）。

此外，一组以三个字母开头的字符串（＆＃34; USA123＆＃34;，＆＃34; USA456＆＃34;，＆＃34; USA789＆＃34;）理想情况下会识别为与其他六个字符串不同的结构，如＆＃34; 123123＆＃34;或＆＃34; USAUSA＆＃34;。

我意识到这很可能是一个相当复杂的解决方案，但我想知道是否存在这样的事情并且我错过了，或者是否有人对此事有任何想法/想法。

Answer 1

虽然不是一个完整的答案，但你可以做一些非常基本的测试来捕捉上面给出的例子：

准备一系列字符。我的意思是将大写，小写，数字，分隔符等分开。
比较两个字符串时，请检查同一个地方的字符是否属于同一个组。这将使19/07/1983和25/12/1853相似，但19/07/1983和25/12/185A不相似。与USAUSA和USA123相同。

使识别更准确是一个创建越来越精确的群体的问题......

Answer 2

如上所述，您需要对角色进行分类。完成后，比较两组字符分类很容易。这是一个F＃样本：

let areStructurallyEqual (a, b) = 
    let charClass= function 
        | c when Char.IsLetter(c) -> 'L'
        | c when Char.IsDigit(c) -> 'D'
        | c when Char.IsSymbol(c) -> 'S'
        | c when Char.IsWhiteSpace(c) -> ' '
        | _ -> '_'

    let structureString i = new String (i |> Seq.map charClass |> Seq.toArray)
    structureString a = structureString b

[( "07/14/2015", "11/06/1999" ); ("USA123", "USA456"); ("123123", "USA123");]
    |> Seq.map areStructurallyEqual

// returns [ True; True; False; ]

Answer 3

这个问题看起来有点主观，因为它邀请基于意见的答案，其中许多可能同样好。让我尝试回答，但同样，它可能会或可能不会对您的特定目的有益。

如果您的应用程序只是一个用于自学的小项目，那么一系列简单的正则表达式可能没问题，前提是您将它们合并为一系列尝试。

如果项目很大并且应该以某种方式增长（例如，可能会出现新的字符串格式），那么我会推荐一些解析器组合库，例如FParsec，它非常适合解析复杂字符串。这里还有一个fparsec标记。

使用组合器，您可以开发各自的解析器并将它们组合在一起，但需要这样：

// Domain specifics
type MyData =
    | Date of DateTime
    | CountryCode of (string * code)
    | Error

// Parsers
let parseDate: Parser<MyData> =
    ... // something returning MyData.Date(x)
let parseCountryCode: Parser<MyData> =
    ... // something returning MyData.CountryCode(x, y)

// a simple combined parser
let parseRoot: Parser<MyData> =
    [parseDate; parseCountryCode; parseSomethingElse;]
    |> choice

let myCode stringTroParse =
    let foundValue =
        match runParserOnString parseRoot myUserState myStreamName stringTroParse with
        | Success(result, _, _) -> result
        | Failure(_, _, _)      -> MyData.Error
    // here you can work with foundValue as usual

使用这种方法，比较几个字符串的结构变得微不足道：它们被解析为MyData区分联合的不同情况。

如果偶尔需要新的解析器，您可以在顶部添加另一个函数并将其引用添加到parseRoot正文中。此外，如果需要更复杂的东西（例如，您需要一些防护规则或不同的方法来组合解析器），则可以使用该库。

比较字符串结构

3 个答案: