检查一个字符串是否包含Levenshtein距离为1的子字符串与其他字符串

Question

我的问题是我们希望用户输入如下代码： 639195-EM-66-XA-53-WX输入中的某个位置，结果可能如下所示：The code is 639195-EM-66-XA-53-WX, let me in。我们仍然希望匹配字符串，如果它们在代码中产生一个小错误（Levenshtein距离为1）。例如The code is 739195-EM-66-XA-53-WX, let me in。 （在代码的第一个字母中将6更改为7

即使用户跳过破折号，算法也应该匹配，并且它应该忽略小写/大写字母。这些要求很容易实现，因为我可以删除所有破折号并执行to_uppercase。

是否有类似的算法？

生成与原始代码距离为1的所有字符串在计算上非常昂贵。

我还在考虑使用Levenshtein距离之类的东西，但忽略了用户在第二个字符串中添加的缺失字母，但这样会在代码中间出现错误的字母。

在用户输入中搜索代码看起来好一点，但仍然不是很干净。

Answer 1

我有一个解决方案的想法，也许这对你来说已经足够了：

正如你所说，首先删除短划线并使所有上部（或下部）大小写：

句子：THE CODE IS 639195EM66XA53WX, LET ME IN

代码：639195EM66XA53WX

将代码拆分在中间（c1和c2），因为Levenshtein距离为1意味着只能有一个错误（插入，删除或替换单个字符），因此c1或c2中的一个必须匹配代码出现在句子中，只有1个或更少的错误。在中间拆分，因为代码的两个子串越长，你应该得到的匹配越少：

c1：639195EM

c2：66XA53WX

现在尝试在你的句子中找到c1和c2，如果你找到一个匹配，你要么必须前进（c1匹配）或后退（c2匹配）在句子中检查缺失部分的Levenshtein距离是否为1或更少。

所以在你的例子中你会找到c2然后：

1. 设置指向c1的最后一个字符和匹配前的字符的指针。
2. 当字符相同时，将两个指针减少1（在两个字符串中向后移动）。

3. 如果您可以通过这种方式完全消耗c1，那么您会发现完全匹配（Levenshtein距离为0）。

4. 否则尝试Levenshtein距离为1的3种可能性：

   1. 仅向后移动c1的指针并查看其余部分是否匹配（删除）。

   2. 仅向后移动句子的指针，看其余部分是否匹配（插入）。

   3. 向后移动两个指针并查看其余指针是否匹配（替换）。

5. 如果其中一个成功，则发现Levenshtein距离为1的匹配，否则距离更远。