正则表达式用于错过字母的单词以及按顺序颠倒的两个字母

Question

我想详细说明一个涵盖以下场景的正则表达式：

搜索到的单词是“马铃薯”。

如果用户搜索“potaot”（他快速键入并且“o”手指比“t”手指快，则匹配。（完成）

如果用户搜索“ptato”（他忘了一个字母），它会匹配。 （完成）

凭借我对正则表达式的了解，我能够进一步发展：

 (?=[potato]{5,6})p?o?t?a?t?o?

这个问题是它匹配像“otatop”这样的反向词，这是一个有点聪明但有点bezarre，和“ooooo”，这是完全不受欢迎的。 所以我没有描述我不想要的东西。

我不希望重复的字母与“ooooo”，“ooopp”等相匹配（无法）

顺便说一句，我正在使用C＃。

Answer 1

不要使用正则表达式。

最好的解决方案就是简单。 只有十一种可能不精确的匹配，所以只需枚举它们：

List<string> inexactMatches = new List<string> {
  "otato", "ptato", "poato", "potto", "potao", "potat",
  "optato", "ptoato", "poatto", "pottao", "potaot"};
...
bool hasInexactMatch = inexactMatches.Contains(whatever);

输入它们需要不到一分钟的时间; 使用简单的特定解决方案，而不是尝试做一些疯狂的正则表达式，这将花费你几个小时来查找和调试。

如果你要坚持使用正则表达式，这里有一个有用的：

otato|ptato|poato|potto|potao|potat|optato|ptoato|poatto|pottao|potaot

再说一次：更简单更好。

---

现在，人们可能会认为你想要解决这个问题，而不是“马铃薯”。 在这种情况下，您可能已经这么说了 - 但无论如何，我们可以提出一些简单的解决方案。

首先，让我们枚举从目标字符串中省略一个字母的所有字符串。 字符串是IEnumerable<char>所以让我们解决一般问题：

static IEnumerable<T> OmitAt<T>(this IEnumerable<T> items, int i) =>
  items.Take(i).Concat(items.Skip(i + 1));

这有点粗略地列举了两次序列，但我不打算强调它。 现在让我们为字符串制作一个特定的版本：

static IEnumerable<string> Omits(this string s) =>
  Enumerable
    .Range(0, s.Length)
    .Select(i => new string(s.OmitAt(i).ToArray()));

大。 现在我们可以说"frob".Omits()并回来rob, fob, frb, fro 。

现在让我们进行交换。 再次，首先解决一般问题：

static void Swap<T>(ref T x, ref T y)
{
    T t = x;
    x = y;
    y = t;
}

static T[] SwapAt<T>(this IEnumerable<T> items, int i)
{
    T[] newItems = items.ToArray();
    Swap(ref newItems[i], ref newItems[i + 1]);
    return newItems;
}

现在我们可以解决它的字符串：

static IEnumerable<string> Swaps(this string s) =>
    Enumerable
      .Range(0, s.Length - 1)
      .Select(i => new string(s.SwapAt(i)));

现在我们完成了：

string source = "potato";
string target = whatever;
bool match = 
  source.Swaps().Contains(target) || 
  source.Omits().Contains(target);

十分简单。 使用简单，直接，正确的算法解决一般问题，这些算法可以组成更大的解决方案 。 我的算法都不超过三行，很容易看出它们是正确的。

Answer 2

这里选择的武器是相似（或距离）匹配算法。 比较相似度算法可以很好地概述最常见的距离度量/算法。

问题是没有单一的最佳指标。 选择取决于例如输入类型，精度要求，速度，资源可用性等。然而， 比较算法可能是混乱的 。

两个最常建议的指标是Levenshtein距离和Jaro-Winkler：

• Levenshtein距离提供了两个字符串之间的相似性度量，可以说比其他一些指标更不宽容，更直观。 （Levenshtein距离的修改版本就像Damerau-Levenshtein距离，其中包括换位，这可能更适合您的使用案例。）

• 一些人声称Jaro-Winkler，它提供两个字符串之间的相似性度量，允许字符转置到一定程度调整公共前缀的权重，距离是“目前可用的最高性能和准确的近似字符串匹配算法之一[Cohen，et al 。]，[温克勒]。“ 然而，选择仍然在很大程度上取决于用例，并且无法从特定研究中得出一般性结论，例如名称匹配Cohen等。 2003年 。

您可以在NuGet上找到大量的软件包，它们为您提供各种相似度算法（ a ， b ， c ）， 模糊匹配 ，语音等，以便将此功能添加到您的站点或应用程序中。

模糊匹配也可以直接在数据库层上使用。 对于大多数数据库系统（例如MySQL ， SQL Server ）或者已经内置（ Oracle ， PostgreSQL ），可以找到Levenshtein距离的实现 。

根据您的具体用例，您还可以使用基于云的解决方案（即使用基于AWS ， Azure等的微服务或自行滚动 ）来获得类似于自动提取的模糊搜索/匹配。

Answer 3

这样做最简单：

static void Main(string[] args)
{
    string correctWord = "Potato";

    string incorrectSwappedWord = "potaot";
    string incorrectOneLetter = "ptato";

    // Returns true
    bool swapped = SwappedLettersMatch(correctWord, incorrectSwappedWord);
    // Returns true
    bool oneLetter = OneLetterOffMatch(correctWord, incorrectOneLetter);
}

public static bool OneLetterOffMatch(string str, string input)
{
    int ndx = 0;

    str = str.ToLower();
    input = input.ToLower();

    if (string.IsNullOrWhiteSpace(str) || string.IsNullOrWhiteSpace(input))
    {
        return false;
    }

    while (ndx < str.Length)
    {
        string newStr = str.Remove(ndx, 1);

        if (input == newStr)
        {
            return true;
        }

        ndx++;
    }
    return false;
}

public static bool SwappedLettersMatch(string str, string input)
{
    if (string.IsNullOrWhiteSpace(str) || string.IsNullOrWhiteSpace(input))
    {
        return false;
    }

    if (str.Length != input.Length)
    {
        return false;
    }

    str = str.ToLower();
    input = input.ToLower();

    int ndx = 0;

    while (ndx < str.Length)
    {
        if (ndx == str.Length - 1)
        {
            return false;
        }
        string newStr = str[ndx + 1].ToString() + str[ndx];
        if (ndx > 0)
        {
            newStr = str.Substring(0, ndx) + newStr;
        }
        if (str.Length > ndx + 2)
        {
            newStr = newStr + str.Substring(ndx + 2);
        }

        if (newStr == input)
        {
            return true;
        }

        ndx++;
    }

    return false;
}

OneLetterOffMatch将返回true，如果只有一个字符丢失，则匹配关闭。 当交换两个字母时， SwappedLettersMatch将返回true是否存在匹配。 这些函数不区分大小写，但如果您需要区分大小写的版本，只需删除对.ToLower()的调用。