逐字比较.NET中两个字符串的比较

Question

我需要按字比较两个字符串。 有点像差异，但对于文字而言，不适用于线条。

就像是在维基百科 http://en.wikipedia.org/w/index.php?title=Horapollo&action=historysubmit&diff=21895647&oldid=21893459

在结果我想返回的话指数，这是两个不同的字符串的两个阵列完成。

是否有任何库/框架/ standalone_methods的.NET可以做到这一点？

P.S.我想比较几个千字节的文本

Answer 1

看来我已经找到所需的解决方案：

DiffPlex是一个.NET版本比较图书馆既具有Silverlight和HTML差异阅读器的组合。 http://diffplex.codeplex.com/

但它有一个错误。在“Hello-Kitty”“Hello - Kitty”这两行中，单词“Hello”将被标记为差异。虽然区别是空间符号。

Answer 2

您可以使用唯一的数字替换2个文本中的所有单词，为编辑距离计算取一​​些现成的代码并将其字符替换为字符比较，完成了！

我不确定是否存在任何你想要的库。但是你肯定会找到很多编辑距离的代码。

此外，取决于您是否想要在编辑距离计算中实际允许替换，您可以更改动态编程代码中的条件。

看到这个。 http://en.wikipedia.org/wiki/Levenshtein_distance

Answer 3

你可以试试这个，虽然我不知道这是你在找什么StringUtils.difference（）（http://commons.apache.org/lang/api-release/org/apache/commons/lang/StringUtils.html#difference%28java.lang.String,%20java.lang.String%29）

或者，在Eclipse（eclipse.org）项目具有差异比较功能，意味着他们还必须有代码来确定差异，您可以浏览他们的API或来源以查看您可以找到的内容。

祝你好运。

Answer 4

看来，我将在这里使用

http://www.google.com/codesearch/p?hl=en&sa=N&cd=6&ct=rc#Jc4aufN53J8/src/main/net/killingar/WordDiff.java&q=worddiff

Answer 5

使用RegularExpressions使用/端口算法。

就像在例如：

using System; 
using System.Collections.Generic; 
using System.ComponentModel; 
using System.Data; 
using System.Drawing; 
using System.Text; 
using System.Windows.Forms; 
using System.Collections.Specialized; 

namespace WindowsApplication10 
{ 
    public partial class Form1 : Form 
    { 
     public Form1() 
     { 
      InitializeComponent(); 
     } 

     private void button2_Click(object sender, EventArgs e) 
     { 
      decimal discrimation = 0.75M; 
      string formHeading = "The brown dog jumped over the red lazy river, and then took a little nap! Fun!"; 
      string userSearch = "The brown dog jumped over the red lazy river, and then took a little "; 
      //string userSearch = "brown dog nap fun"; 
      decimal res = CompareText(formHeading, userSearch); 

      if (res >= discrimation) 
      { 
       MessageBox.Show("MATCH!" + res.ToString()); 
      } 
      else 
      { 
       MessageBox.Show("does not match! " + res.ToString()); 
      } 
     } 


     /// <summary> 
     /// Returns a percentage of 1 on how many words were matched 
     /// </summary> 
     /// <returns></returns> 
     private decimal CompareText(string formHeading, string userSearch) 
     { 
      StringCollection formHeadingWords = new StringCollection(); 
      StringCollection userSearchWords = new StringCollection(); 
      formHeadingWords.AddRange(System.Text.RegularExpressions.Regex.Split(formHeading, @"\W")); 
      userSearchWords.AddRange(System.Text.RegularExpressions.Regex.Split(userSearch, @"\W")); 

      int wordsFound = 0; 
      for (int i1 = 0; i1 < userSearchWords.Count; i1++) 
      { 
       if (formHeadingWords.Contains(userSearchWords[i1])) 
        wordsFound += 1; 
      } 
      return (Convert.ToDecimal(wordsFound)/Convert.ToDecimal(formHeadingWords.Count)); 
     } 
    } 
} 

Answer 6

其实，你可能想实现的，我们在DNA sequence alignments使用局部对齐/全球校准算法的变化。这是因为你可能无法逐字比较两个字符串。即：

敏捷的棕色狐狸跳过 懒狗
快速狐狸跃过 懒狗

换句话说，如果你不能识别整个单词的插入和删除，你的比较算法可能变得非常sc（r）ewed。请看一下Smith-Waterman算法和Needleman-Wunsch算法，并找到一种方法使其适应您的需求。由于如果字符串很长，这样的搜索空间可能变得非常大，您还可以查看BLAST。BLAST是一种非常常见的启发式算法，几乎是基因搜索的标准。

Answer 7

c＃的另一个库是diff-match-patch - http://code.google.com/p/google-diff-match-patch/。

它发现字符差异的坏事。好的，有指示你必须添加以区分这些单词。