根据正确的词分组拼写错误的单词的方法？

Question

我有一个loooong国家列表，我需要根据其原始名称将它们分组。实际上有很多拼写错误，但有许多是用其他语言写的。 E.g。

泰国 TUNESIE 突尼斯 TUNISIE TURCQUIE TURKIJE TURQUIE 泰国 意大利广场 意大利 意大利

如何轻松地将它们分组？手工分类是最大的痛苦。 我曾想过在某种程度上阅读字符串或字符，但我还没有找到一种有效的方法。我可以使用R和C / C ++。

我真的很感激一些帮助！

非常感谢你的帮助!!

Answer 1

这是一种方法：

x <- trimws(readLines(n=11))
THAILAND 
TUNESIE 
TUNIS 
TUNISIE 
TURCQUIE 
TURKIJE 
TURQUIE 
Tailand 
italie 
italien 
italy
m <- adist(x, x, ignore.case = T); colnames(m) <- x; rownames(m) <- x
hc <- hclust(as.dist(m), method="average")
plot(hc); rect.hclust(hc, h=3.8)
split(x, cutree(hc, h=3.8))
# $`1`
# [1] "THAILAND" "Tailand" 
# 
# $`2`
# [1] "TUNESIE" "TUNIS"   "TUNISIE"
# 
# $`3`
# [1] "TURCQUIE" "TURKIJE"  "TURQUIE" 
# 
# $`4`
# [1] "italie"  "italien" "italy" 

Here是另一个。