Question

将模式与一组字符串逐个进行比较的最佳方法是什么，而评估模式与每个字符串匹配的数量？在我使用正则表达式的有限经验中，使用正则表达式匹配字符串似乎是一个非常二元的操作...无论模式有多复杂，最终它要么匹配要么不匹配。我正在寻找更强大的功能，而不仅仅是匹配。是否有与此相关的好技术或算法？

以下是一个例子：

假设我有一个模式foo bar，我想找到与以下字符串中最匹配的字符串：

foo for
foo bax
foo buo
fxx bar

现在，这些模式中没有一个匹配，但哪个不匹配是最接近的匹配？在这种情况下，foo bax将是最佳选择，因为它匹配7个字符中的6个。

道歉，如果这是一个重复的问题，当我查看这个问题是否已经存在时，我真的不知道究竟要搜索什么。

Answer 1

这个有效，我查看了维基百科示例distance between "kitten" and "sitting" is 3

   public class LevenshteinDistance {

    public static final String TEST_STRING = "foo bar";

    public static void main(String ...args){
        LevenshteinDistance test = new LevenshteinDistance();
        List<String> testList = new ArrayList<String>();
        testList.add("foo for");
        testList.add("foo bax");
        testList.add("foo buo");
        testList.add("fxx bar");
        for (String string : testList) {
          System.out.println("Levenshtein Distance for " + string + " is " + test.getLevenshteinDistance(TEST_STRING, string)); 
        }
    }

    public int getLevenshteinDistance (String s, String t) {
          if (s == null || t == null) {
            throw new IllegalArgumentException("Strings must not be null");
          }

          int n = s.length(); // length of s
          int m = t.length(); // length of t

          if (n == 0) {
            return m;
          } else if (m == 0) {
            return n;
          }

          int p[] = new int[n+1]; //'previous' cost array, horizontally
          int d[] = new int[n+1]; // cost array, horizontally
          int _d[]; //placeholder to assist in swapping p and d

          // indexes into strings s and t
          int i; // iterates through s
          int j; // iterates through t

          char t_j; // jth character of t

          int cost; // cost

          for (i = 0; i<=n; i++) {
             p[i] = i;
          }

          for (j = 1; j<=m; j++) {
             t_j = t.charAt(j-1);
             d[0] = j;

             for (i=1; i<=n; i++) {
                cost = s.charAt(i-1)==t_j ? 0 : 1;
                // minimum of cell to the left+1, to the top+1, diagonally left and up +cost                
                d[i] = Math.min(Math.min(d[i-1]+1, p[i]+1),  p[i-1]+cost);  
             }

             // copy current distance counts to 'previous row' distance counts
             _d = p;
             p = d;
             d = _d;
          } 

          // our last action in the above loop was to switch d and p, so p now 
          // actually has the most recent cost counts
          return p[n];
        }

}

Answer 2

这是一个有趣的问题！首先想到的是正则表达式的匹配方式是构建DFA。如果您可以直接访问built for a given regex的DFA（或者只是自己构建它！），您可以使用最短路径作为度量来运行输入测量从您转换到的最后一个状态到接受状态的距离它被接受的程度有多接近，但我不知道有任何图书馆可以让你轻松地做到这一点，甚至这个措施可能也不会在很多情况下完全映射到你的直觉上。

评估字符串匹配的质量

2 个答案: