字符串算法比较 VB.Net

Question

我想问一些建议，因为我已经这样做了一个星期。 它基本上是一个数据清理程序。 我有一个包含数千个公司名称的 excel 文件，我有这个包含正确公司名称的数据库。 我想要的是读取我已经完成的 excel 文件，并将 excel 文件中的每个公司与我在数据库中的值进行比较。 例如

Excel 中的数据

• 惠普，哥斯达黎加
• 惠普 (HP)
• 惠普新加坡（私人）有限公司

数据库中的数据

• 惠普

它会自动检测 excel 中的这 3 个值是惠普，因为 excel 是自由类型的形式。 我想更正其中输入的所有内容并在我的数据库中找到相似的值。 就像如果 Hewlett-Packard 拼写错误，它会自动告诉它是 Hewlett-Packard。 任何的想法？

它就像一个自动完成，但带有思考。 自动完成但决定正确的值

顺便说一句，我在 VB.Net 中这样做。 我正在研究模糊搜索算法和 levenstein 之类的东西。 但我还是不明白我该如何使用它

Answer 1

参见我的博客， 解决正确的问题，有点类似。 您最好进行简单的匹配并将任何失败输出到您手动编辑的文本文件。 这是苦差事，但它会完成工作。 当您开始谈论 Levenstein 距离和模糊搜索时，您正在将一个简单但枯燥的任务变成一个研究项目。

如果您的数据库仅包含“数千个”（而不是数百万个）名称，那么您可以做的一件事就是将所有名称加载到一个列表中，并对它们进行排序。 然后对 Excel 文件中的名称进行排序。 然后遍历两个列表（标准的合并类型算法）。 例如，您的数据库中可能有：

Hasbro
Hewlett Packard
Home Depot

并在您的 Excel 文件中：

Grainger
Halliburton
Hewlet Packard, Costa Rica
Hewlett Packard (HP)
Humana

使用合并算法，您可以将“Hewlett Packard, Costa Rica”与“Hewlett Packard”进行比较，您甚至可以将其输出为建议的替换。 这可能构成您的大部分错误。

无论如何，我强烈建议使用计算机来识别不匹配，然后手动解决它们。 这通常是解决此类问题的最快方法。