使用C#，如何替换相似的单词？

Question

Assuming these two strings:

string s1="control";
string s2="conrol"; (or "ocntrol", "onrtol", "lcontro" etc.)

我怎样才能编程地找到s2与s1相似，并用s1替换s2字符串呢？

谢谢。

Jeff

- Jeff Norman

Answer 1

您可以尝试检查两个单词之间的 Levenshtein 距离，如果距离超过了阈值，就替换该单词。

难点在于定义阈值，在您的例子中，一个阈值为2可能适用。

(C# 中 Levenshtein 距离的实现)

- Julien Hoarau

---

嗯，这很有趣，而且有点模糊 :) - Jeff Norman

非常有趣。我从未知道这样的东西存在。+1 - Alex Essilfie

Answer 2

你可以使用Levenshtein距离，它会给出两个单词之间的相似度排名。你需要决定在哪个排名下进行替换。

- Shay Erlichmen

Answer 3

我建议一个更简单的答案。比较这两个字符串的长度，同时比较这两个字符串的ASCII值之和。

- KhanZeeshan

---

我喜欢你尝试保持解决方案尽可能简单的方式，但这甚至不能处理Jeff Norman给出的示例。Levenshtein距离绝对是这里要走的路。 - Wouter van Nifterick

是的，你说得对。但如果我们计算正确字符在正确位置上的百分比呢？我的意思是遍历正确单词的每个字符，并在每次字符出现在其正确位置时检查相似单词列表，最后将一些值添加到百分比中。如果百分比值在70-80左右，我们就可以说这是一个相似的单词。 - KhanZeeshan

通过您在评论中描述的方法，您基本上会得到Levenshtein算法的粗略版本。它只是不够灵活。如果您在字符串的某个位置插入一个字符会发生什么？您的算法将标记其余部分已更改。您仍然需要考虑这一点。真的，请阅读有关Levenshtein的信息以了解其功能。它快速，易于实现，并且在整个行业中广泛测试和使用了几十年。 - Wouter van Nifterick

Answer 4

我会使用Matlab来对此进行一些测试。 我会按照以下步骤进行：

CONTROL 1111111

OCNTROL 0011111

ONRCTOL 0000111

因此，我有一个原始单词的所有1，然后在第二种情况下有五个1，在第三种情况下有三个1。您可以说70％是可以接受的，如果匹配70％，那么我将使用这个单词。 OCNTROL将被接受，但ONRCTOL不会。

我之所以说Matlab，是因为您可以轻松地将大量数据加载到向量中并进行向量比较。

- user338195

Answer 5

Linq方法：尝试将两个字符串中的字符存储在两个List<chars>或List<String>中，并使用SequenceEqual或Except比较较小的字符串与较大的字符串。

- Thorin Oakenshield