Question

你知道任何用于文本算法的.NET库吗？特别是我对字符串匹配和像

这样的全文搜索算法很感兴趣

Bitap算法
Levenshtein距离
Damerau-Levenshtein距离

我知道我提到的那个代码非常简单，但有数百种文本算法，我不想自己编写代码。
如果没有已知的这样的.NET库，你可以提一下C，C ++库，编码包装器比从零编码更容易。

Answer 1

您可能有兴趣查看Google代码上的google-diff-match-patch库。他们有Myer的diff算法的实现，它声称也“实现”了Bitap算法。

它有你正在寻找的C＃源代码以及Java，C ++，Lua＆amp;蟒蛇。虽然我对如何在实践中使用Bitap没有最好的理解（Google Code项目中有演示），但我认为你最感兴趣的是从current version的第1476行开始的匹配函数。

更新：

有点挖掘在CodeProject上找到了Levenshtein in C#的实现。

此外，this C# class file包含SourceForge上的Levenshtein实现。该实现是Corsis（又名Tenka Text）项目的一部分。作者声称，YetiLevenshtein方法（第741行）比上面引用的算法的CodeProject版本中使用的实现快2到10倍。

更新＃2：

我刚刚发现了wikibook Algorithm implementation和它的Levenshtein距离的C＃版本，并且必须包含它，因为它看起来非常直观而且非常重要。这个wikibook看起来像一个很好的参考，一般保持在手。

Levenshtein Distance in C# （由Wikibooks提供）

    private Int32 levenshtein(String a, String b)
    {

        if (string.IsNullOrEmpty(a))
        {
            if (!string.IsNullOrEmpty(b))
            {
                return b.Length;
            }
            return 0;
        }

        if (string.IsNullOrEmpty(b))
        {
            if (!string.IsNullOrEmpty(a))
            {
                return a.Length;
            }
            return 0;
        }

        Int32 cost;
        Int32[,] d = new int[a.Length + 1, b.Length + 1];
        Int32 min1;
        Int32 min2;
        Int32 min3;

        for (Int32 i = 0; i <= d.GetUpperBound(0); i += 1)
        {
            d[i, 0] = i;
        }

        for (Int32 i = 0; i <= d.GetUpperBound(1); i += 1)
        {
            d[0, i] = i;
        }

        for (Int32 i = 1; i <= d.GetUpperBound(0); i += 1)
        {
            for (Int32 j = 1; j <= d.GetUpperBound(1); j += 1)
            {
                cost = Convert.ToInt32(!(a[i-1] == b[j - 1]));

                min1 = d[i - 1, j] + 1;
                min2 = d[i, j - 1] + 1;
                min3 = d[i - 1, j - 1] + cost;
                d[i, j] = Math.Min(Math.Min(min1, min2), min3);
            }
        }

        return d[d.GetUpperBound(0), d.GetUpperBound(1)];

    }

Answer 2

我设法使用WikiPedia + Google Code搜索的组合找到了我需要的大多数算法的实现。

http://en.wikipedia.org/wiki/Category:Algorithms_on_strings
http://www.google.com/codesearch

虽然很奇怪没有人在这个主题上创建项目，感兴趣的人可以就此进行合作。

Answer 3

如果您正在进行字符串匹配，Lucene.Net值得一看。

然而，我知道这并不是你所追求的，虽然你可以用一些C＃形式找到大部分算法，但我知道没有包含它们的库（我倾向于保留其中几个）在我的个人图书馆里。）

出于兴趣，为什么你需要多个具有几个阈值参数的完全匹配算法呢？

Answer 4

这是我为Levenshtein / Damerau-Levenshtein距离实施的一个：

    public static int GetDistance(string left, string right, bool isDamerauDistanceApplied)
    {
        if (left.Length == 0) return right.Length;
        if (right.Length == 0) return left.Length;

        var lenLeft = left.Length;
        var lenRight = right.Length;

        var matrix = new int[lenLeft + 1, lenRight + 1];

        for (var i = 0; i <= lenLeft; i++)
            matrix[i, 0] = i;

        for (var i = 0; i <= lenRight; i++)
            matrix[0, i] = i;

        for (var i = 1; i <= lenLeft; i++)
        {
            for (var j = 1; j <= lenRight; j++)
            {
                var cost = (left[i - 1] == right[j - 1]) ? 0 : 1;

                matrix[i, j] = Math.Min(Math.Min(matrix[i - 1, j] + 1, matrix[i, j - 1] + 1), matrix[i - 1, j - 1] + cost);

                if (isDamerauDistanceApplied)
                {
                    // Fixed for string base 0 index.
                    if (i > 1 && j > 1 && left[i - 1] == right[j - 2] && left[i - 2] == right[j - 1])
                    {
                        matrix[i, j] = Math.Min(matrix[i, j], matrix[i - 2, j - 2] + cost);
                    }
                }
            }
        }

        return matrix[lenLeft, lenRight];
    }

Answer 5

我建议使用SimMetrics库，它有许多不同的字符串匹配算法。也可在NuGet上找到。

简短说明：

SimMetrics是一个相似度量标准库，例如从编辑距离来看（Levenshtein，Gotoh，Jaro等）其他指标，（例如Soundex，查普曼）。

GPLv2许可证。

Answer 6

我发现并使用the following .NET library实现了Tom Petricek的Aho-Corasick文本匹配问题。它对我很有用。

用于文本算法的.NET库？

6 个答案: