有没有办法清理文本文件（摆脱类似的话）？ （不使用嵌套for循环）

Question

我正在考虑清理文件中文本的最佳方法。所以我想要做的是，给定一个输入文件，匹配相似的单词并替换它们。因此，如果apple和ApPle在文件中，ApPle将被apple替换。

如果不使用两个for循环，有没有办法做到这一点：

for $word in @file
  for $word2 in @file
    if $word matches $word2
      replace $word2 with $word
    end
  end
end

我总是犹豫是否使用嵌套for循环所以我只是想知道是否有更优雅的解决方案。另外，如果你想知道为什么它是伪代码，那是因为我还没有决定用什么编程。 （对于那些不知道@file是一个单词列表而$ word是一个非空白字符串的人。）

Answer 1

也许这会奏效：

• 为类似的单词定义唯一的表示（“哈希函数”）。 （如果只是区别，那很容易。如果是类似的发音，那就更难了。）

• 一次读取文件，维护一个“哈希表”并仅在哈希表中尚未打印时才打印该词。

for $word in @file
  hash=hashfunction($word)
  if $hash not in §hashtable
    add $hash to §hashtable
    print $hash
  end
end

如果你的散列函数不是单射的，那么事情就会变得更加复杂。

Answer 2

这实际上取决于“类似”对你意味着什么，以及何时应该替换单词。代码应该确定吗？您想将大写的所有内容转换为小写，还是代码使用不同的标准来执行此操作？

在PHP中，您可以想象使用这些函数（的组合）： http://www.php.net/manual/en/function.str-ireplace.php（不区分大小写的替换） http://www.php.net/manual/en/function.strtolower.php（将字符串转换为小写） http://www.php.net/manual/en/function.strtoupper.php（将字符串转换为大写） http://php.net/manual/en/function.similar-text.php（请参阅字符串A与字符串B的相似之处）

如果您可以发布有关预期用例的更多详细信息，您可能会得到更好的答案：）