Оценка качества строковых совпадений

Question

Как лучше всего сравнить шаблон с набором строк, одну за другой, в то время как оценивает сумму, с которой шаблон соответствует каждой строке ?В моем ограниченном опыте с регулярным выражением сопоставление строк с шаблонами с использованием регулярного выражения кажется довольно бинарной операцией ... независимо от того, насколько сложен шаблон, в конце концов, он либо совпадает, либо нет.Я ищу большие возможности, помимо соответствия.Есть ли хороший метод или алгоритм, который относится к этому?

Вот пример:

Допустим, у меня есть шаблон foo bar, и я хочу найти строку, которая наиболее близко ему соответствуетиз следующих строк:

foo for
foo bax
foo buo
fxx bar

Теперь, ни один из них на самом деле не соответствует шаблону, но какое несоответствие является ближайшим к совпадению?В этом случае foo bax будет лучшим выбором, так как он соответствует 6 из 7 символов.

Извинения, если это дублирующий вопрос, я действительно не знал, что именно искать, когда япосмотрел, если этот вопрос уже существует.

Answer 1

Этот работает, я проверял на примере Википедии distance between "kitten" and "sitting" is 3

   public class LevenshteinDistance {

    public static final String TEST_STRING = "foo bar";

    public static void main(String ...args){
        LevenshteinDistance test = new LevenshteinDistance();
        List<String> testList = new ArrayList<String>();
        testList.add("foo for");
        testList.add("foo bax");
        testList.add("foo buo");
        testList.add("fxx bar");
        for (String string : testList) {
          System.out.println("Levenshtein Distance for " + string + " is " + test.getLevenshteinDistance(TEST_STRING, string)); 
        }
    }

    public int getLevenshteinDistance (String s, String t) {
          if (s == null || t == null) {
            throw new IllegalArgumentException("Strings must not be null");
          }

          int n = s.length(); // length of s
          int m = t.length(); // length of t

          if (n == 0) {
            return m;
          } else if (m == 0) {
            return n;
          }

          int p[] = new int[n+1]; //'previous' cost array, horizontally
          int d[] = new int[n+1]; // cost array, horizontally
          int _d[]; //placeholder to assist in swapping p and d

          // indexes into strings s and t
          int i; // iterates through s
          int j; // iterates through t

          char t_j; // jth character of t

          int cost; // cost

          for (i = 0; i<=n; i++) {
             p[i] = i;
          }

          for (j = 1; j<=m; j++) {
             t_j = t.charAt(j-1);
             d[0] = j;

             for (i=1; i<=n; i++) {
                cost = s.charAt(i-1)==t_j ? 0 : 1;
                // minimum of cell to the left+1, to the top+1, diagonally left and up +cost                
                d[i] = Math.min(Math.min(d[i-1]+1, p[i]+1),  p[i-1]+cost);  
             }

             // copy current distance counts to 'previous row' distance counts
             _d = p;
             p = d;
             d = _d;
          } 

          // our last action in the above loop was to switch d and p, so p now 
          // actually has the most recent cost counts
          return p[n];
        }

}

Answer 2

Это интересный вопрос!Первое, что пришло в голову, это то, что регулярные выражения сопоставляются путем построения DFA .Если у вас был прямой доступ к DFA, который был построен для заданного регулярного выражения (или просто построил его самостоятельно!), Вы можете запустить входную меру расстояния от последнего состояния, в которое вы перешли, и состояния принятия, используякратчайший путь - это мера того, насколько близко он был к тому, чтобы его приняли, но я не знаю ни одной библиотеки, которая позволила бы вам сделать это легко, и даже эта мера, вероятно, не будет точно отображать вашу интуицию в ряде случаев.