文本比对的一种算法探索、比对算法中的难点及解决方法---学习笔记记录

在录入文本里，有2种字符：“有效字符”和“多打字符”。“有效字符”是指它在标准文本里可以找到唯一的“对应字符”。“对应字符”当然与它相同，但是，相同的字符不一定就是“对应字符”。例如：
    标准文本：我们班里的学生大多数是女生。
    录入文本：我们班里喜欢数学的学生大多数是女生。
录入文本的第一个“数”字，在标准文本里是找不到“对应字符”的。
    我的算法思路是这样的：对于录入文本里的每一个字符（包括看不见但是占位置的全、半角空格；包括看不见又不占位但长度又不为零的回车），在标准文本里寻找“对应字符”。（如何确认“对应字符”是个难点，我在后面会提出解决方法，那其实是本文的重点。寻找“对应字符”首先是寻找“相同字符”，只有“相同字符”才有资格做“对应字符”）
    根据寻找的结果（有或没有），自然就解决了“漏”和“多”的问题，既可以得到字符（串）的内容，又可以统计数字。至于“错字”，其实就是“漏”与“多”在对应位置所出现的综合事件，比如把“你说”错打成了“他说”，漏了“你”；多了“他”。在下面的描述中我会细说的。
    下面用文字和图片来描述一次“寻找”的过程。

图1中n1、n2分别是寻找的第一个字符的位置，内容是zn1、zn2 。我称为“起始字符”。如果相同，那比较简单。（不是本文的重点，后面会提出一个小细节）。在图1中两个字不相同。