Question

我需要找到B中“部分”存在于A中的所有字符串。

B = [ "Hello World!", "Hello Stack Overflow!", "Foo Bar!", "Food is nice...", "Hej" ]
A = [ "World", "Foo" ]
C = B.FuzzyCompare(A) // C = [ "Hello World!", "Foo Bar!", "Food is nice..." ]

我一直在研究使用Levenshtein Distance Algorithm作为问题的“模糊”部分，以及LINQ进行迭代。但是，A * B通常会导致超过15亿次比较。

我该怎么办呢？有没有办法快速“几乎比较”两个字符串列表？

Answer 1

仅仅比较子字符串就足够了，这会更有效：

var C = B.Where(s1 => A.Any(s2 => s1.IndexOf(s2, StringComparison.OrdinalIgnoreCase) >= 0)).ToList();

Answer 2

这似乎很好地使用了Suffix Trie。

后缀Trie是一棵没有负载的树。它索引给定字符串或句子的所有后缀，以便可以在O（n）时间内搜索它们。因此，如果您在A中的输入是＆＃34; hello＆＃34;，它将索引＆＃34; hello＆＃34;，＆＃34; ello＆＃34;，＆＃34; llo＆＃34; ，＆＃34; lo＆＃34;和＆＃34; o＆＃34;以某种方式允许立即有效地查找任何这些子串，而无需对A的集合进行任何额外的枚举。

基本上，取A中的所有值并将其处理为后缀Trie，这是一次O(n * m)操作，其中n是A中元素的数量而m是元素的长度。然后，对于B的每个元素，在后缀Trie中检查它，这也是O(n * m)操作，其中n是B和m中的元素数量是元素的长度。

Answer 3

我想你可能还在考虑它：

List<string> results = new List<string>();
foreach (string test in B)
{
   if (A.Any(a => test.Contains(a))
      results.Add(test);
}

BTW complexity of this is somewhere in the region of O(n)(best) and O(n*m)(worst)（其中n是A中结果的数量，而m是B中结果的数量

C＃ - 两个大字符串数组

3 个答案: