C#计算字符串相似性的方法
本文实例讲述了C#计算字符串相似性的方法。分享给大家供大家参考。具体如下：
计算字符串相似性的办法很多，甚至最笨的办法可以挨个匹配，这里要讲的是使用莱文史特距离来计算字符串相似性。
莱文史特距离概念:假设函数名是LD
用于计算两个字符串之间的相似度。譬如有两个字符串A和B。假设以A为基准，那么该算法就是计算把B通过（替换、删除、加字符）等方法变成A需要多少步。
例如：
A=”abcd”,B=”abc”,那么LD(A,B)=1，只需在B字符串中插入一个字符那么就完全等于A
A=”abcd”,B=”abcd”,那么LD(A,B)=，因为这两个货完全相同
A=”abcd”,B=”abdc”,那么LD(A,B)=1，因为只需把B中”dc”互换位置就等于A了。
A=”fwegwegweg@#2″,B=”ddd*&&%^&”,那么LD(A,B)=????，这个叔真不知道了，要用程序算了。
莱文史特距离计算出来的值越大代表步骤越多，说明两个字符串的相似程度越低。
譬如大家要做个简易的“文章抄袭”判定功能，那么用这个莱文史特距离完全可以实现个初步方法。
算法注释:
1、假设字符串str1的长度为n，str2的长度为m。
如果n=0，则返回m并退出；(这是句废话)
2、如果m=0，则返回n并退出。(这依然是句废话)
3、如果上述都不是则要开始进行计算，
构建一个数组d[0..m,0..n]。
将第0行初始化为0..n，第0列初始化为0..m。
依次检查str1的每个字母(i=1..n)。
依次检查str2的每个字母(j=1..m)。
如果str1[i]=str2[j]，则sign=0；(sign仅仅是个标记，没有任何意思，为了记录相等还是不相等)
如果str1[i]!=str12[j]，则sign=1。
将d[i,j]设置为以下三个值中的最小值：
紧邻当前格上方的格的值加一，即d[i-1,j]+1
紧邻当前格左方的格的值加一，即d[i,j-1]+1
当前格左上方的格的值加sign，即d[i-1,j-1]+sign
重复上述几步直到循环结束。d[n,m]既为最终的值
接下来是用c#写的一款莱文史特距离的实现。
publicclassLDMaker//搞成一个类看起来专业，
//实际上就是脱裤子放屁，这里使用来文史特距离算法
//用于计算字符串之间的相似性
{
char[]str1;
char[]str2;
publicLDMaker(strings1,strings2)
{
//替换掉所有数字为固定数字数字干扰太严重
//这里因人而异，在中文文章的匹配中，数字是干扰很严重
//的，所以我在某些应用中把数字替换掉了。
//原因是有的文章之间实际上相似性很高，但是故意在里面加一些数字
//干扰该函数的执行，让机器看出来两篇文章很不同。一般不需要做如下
//步骤
s1=System.Text.RegularExpressions.Regex.Replace(s1,@"(\d+)","1");
s2=System.Text.RegularExpressions.Regex.Replace(s2,@"(\d+)","1");
str1=s1.ToCharArray();
str2=s2.ToCharArray();
}
publicintGetLD()//这是莱文史特距离的算法实现
{
try
{
intm=str1.Length;
intn=str2.Length;
int[,]d=newint[m+1,n+1];
for(inti=0;i<=m;i++)
d[i,0]=i;
for(inti=0;i<=n;i++)
d[0,i]=i;
for(inti=1;i<=m;i++)
{
for(intj=1;j<=n;j++)
{
d[i,j]=d[i-1,j-1]+(str1[i-1]==str2[j-1]?0:1);
//修改一个字符
d[i,j]=Math.Min(d[i,j],d[i-1,j]+1);
//插入一个字符串
d[i,j]=Math.Min(d[i,j],d[i,j-1]+1);
//删除一个字符
}
}
returnd[m,n];
}catch(//出错返回一个很大值
{
return10000;
}
}
}
希望本文所述对大家的C#程序设计有所帮助。