c#字符相似度对比通用类

本类适用于比较2个字符的相似度,代码如下:

复制代码

using System;
using System.Collections.Generic;
using System.Text;

public class StringCompute
{
    #region 私有变量
    /// <summary>
    /// 字符串1
    /// </summary>
    private char[] _ArrChar1;
    /// <summary>
    /// 字符串2
    /// </summary>
    private char[] _ArrChar2;
    /// <summary>
    /// 统计结果
    /// </summary>
    private Result _Result;
    /// <summary>
    /// 开始时间
    /// </summary>
    private DateTime _BeginTime;
    /// <summary>
    /// 结束时间
    /// </summary>
    private DateTime _EndTime;
    /// <summary>
    /// 计算次数
    /// </summary>
    private int _ComputeTimes;
    /// <summary>
    /// 算法矩阵
    /// </summary>
    private int[,] _Matrix;
    /// <summary>
    /// 矩阵列数
    /// </summary>
    private int _Column;
    /// <summary>
    /// 矩阵行数
    /// </summary>
    private int _Row;
    #endregion
    #region 属性
    public Result ComputeResult
    {
        get { return _Result; }
    }
    #endregion
    #region 构造函数
    public StringCompute(string str1, string str2)
    {
        this.StringComputeInit(str1, str2);
    }
    public StringCompute()
    {
    }
    #endregion
    #region 算法实现
    /// <summary>
    /// 初始化算法基本信息
    /// </summary>
    /// <param name="str1">字符串1</param>
    /// <param name="str2">字符串2</param>
    private void StringComputeInit(string str1, string str2)
    {
        _ArrChar1 = str1.ToCharArray();
        _ArrChar2 = str2.ToCharArray();
        _Result = new Result();
        _ComputeTimes = 0;
        _Row = _ArrChar1.Length + 1;
        _Column = _ArrChar2.Length + 1;
        _Matrix = new int[_Row, _Column];
    }
    /// <summary>
    /// 计算相似度
    /// </summary>
    public void Compute()
    {
        //开始时间
        _BeginTime = DateTime.Now;
        //初始化矩阵的第一行和第一列
        this.InitMatrix();
        int intCost = 0;
        for (int i = 1; i < _Row; i++)
        {
            for (int j = 1; j < _Column; j++)
            {
                if (_ArrChar1[i - 1] == _ArrChar2[j - 1])
                {
                    intCost = 0;
                }
                else
                {
                    intCost = 1;
                }
                //关键步骤,计算当前位置值为左边+1、上面+1、左上角+intCost中的最小值 
                //循环遍历到最后_Matrix[_Row - 1, _Column - 1]即为两个字符串的距离
                _Matrix[i, j] = this.Minimum(_Matrix[i - 1, j] + 1, _Matrix[i, j - 1] + 1, _Matrix[i - 1, j - 1] + intCost);
                _ComputeTimes++;
            }
        }
        //结束时间
        _EndTime = DateTime.Now;
        //相似率 移动次数小于最长的字符串长度的20%算同一题
        int intLength = _Row > _Column ? _Row : _Column;

        _Result.Rate = (1 - (decimal)_Matrix[_Row - 1, _Column - 1] / intLength);
        _Result.UseTime = (_EndTime - _BeginTime).ToString();
        _Result.ComputeTimes = _ComputeTimes.ToString();
        _Result.Difference = _Matrix[_Row - 1, _Column - 1];
    }


    /// <summary>
    /// 计算相似度(不记录比较时间)
    /// </summary>
    public void SpeedyCompute()
    {
        //开始时间
        //_BeginTime = DateTime.Now;
        //初始化矩阵的第一行和第一列
        this.InitMatrix();
        int intCost = 0;
        for (int i = 1; i < _Row; i++)
        {
            for (int j = 1; j < _Column; j++)
            {
                if (_ArrChar1[i - 1] == _ArrChar2[j - 1])
                {
                    intCost = 0;
                }
                else
                {
                    intCost = 1;
                }
                //关键步骤,计算当前位置值为左边+1、上面+1、左上角+intCost中的最小值 
                //循环遍历到最后_Matrix[_Row - 1, _Column - 1]即为两个字符串的距离
                _Matrix[i, j] = this.Minimum(_Matrix[i - 1, j] + 1, _Matrix[i, j - 1] + 1, _Matrix[i - 1, j - 1] + intCost);
                _ComputeTimes++;
            }
        }
        //结束时间
        //_EndTime = DateTime.Now;
        //相似率 移动次数小于最长的字符串长度的20%算同一题
        int intLength = _Row > _Column ? _Row : _Column;

        _Result.Rate = (1 - (decimal)_Matrix[_Row - 1, _Column - 1] / intLength);
        // _Result.UseTime = (_EndTime - _BeginTime).ToString();
        _Result.ComputeTimes = _ComputeTimes.ToString();
        _Result.Difference = _Matrix[_Row - 1, _Column - 1];
    }
    /// <summary>
    /// 计算相似度
    /// </summary>
    /// <param name="str1">字符串1</param>
    /// <param name="str2">字符串2</param>
    public void Compute(string str1, string str2)
    {
        this.StringComputeInit(str1, str2);
        this.Compute();
    }

    /// <summary>
    /// 计算相似度
    /// </summary>
    /// <param name="str1">字符串1</param>
    /// <param name="str2">字符串2</param>
    public void SpeedyCompute(string str1, string str2)
    {
        this.StringComputeInit(str1, str2);
        this.SpeedyCompute();
    }
    /// <summary>
    /// 初始化矩阵的第一行和第一列
    /// </summary>
    private void InitMatrix()
    {
        for (int i = 0; i < _Column; i++)
        {
            _Matrix[0, i] = i;
        }
        for (int i = 0; i < _Row; i++)
        {
            _Matrix[i, 0] = i;
        }
    }
    /// <summary>
    /// 取三个数中的最小值
    /// </summary>
    /// <param name="First"></param>
    /// <param name="Second"></param>
    /// <param name="Third"></param>
    /// <returns></returns>
    private int Minimum(int First, int Second, int Third)
    {
        int intMin = First;
        if (Second < intMin)
        {
            intMin = Second;
        }
        if (Third < intMin)
        {
            intMin = Third;
        }
        return intMin;
    }
    #endregion
}
/// <summary>
/// 计算结果
/// </summary>
public struct Result
{
    /// <summary>
    /// 相似度
    /// </summary>
    public decimal Rate;
    /// <summary>
    /// 对比次数
    /// </summary>
    public string ComputeTimes;
    /// <summary>
    /// 使用时间
    /// </summary>
    public string UseTime;
    /// <summary>
    /// 差异
    /// </summary>
    public int Difference;
}

复制代码

调用方法:

复制代码

// 方式一
StringCompute stringcompute1 = new StringCompute();
stringcompute1.SpeedyCompute("对比字符一", "对比字符二");    // 计算相似度, 不记录比较时间
decimal rate = stringcompute1.ComputeResult.Rate;         // 相似度百分之几,完全匹配相似度为1

// 方式二
StringCompute stringcompute2 = new StringCompute();
stringcompute2.Compute();                                  // 计算相似度, 记录比较时间
string usetime = stringcompute2.ComputeResult.UseTime;     // 对比使用时间

https://www.cnblogs.com/stone_w/archive/2012/08/16/2642679.html

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用C#字符比较方法来计算两个字符串之间的相似度。常用的算法有Levenshtein距离和Jaro-Winkler距离。下面是使用这两种算法计算字符相似度的示例代码: ```csharp using System; class Program { static void Main(string[] args) { string str1 = "hello"; string str2 = "hallo"; double levenshteinDistance = LevenshteinDistance(str1, str2); double jaroWinklerDistance = JaroWinklerDistance(str1, str2); Console.WriteLine("Levenshtein Distance: " + levenshteinDistance); Console.WriteLine("Jaro-Winkler Distance: " + jaroWinklerDistance); } static double LevenshteinDistance(string s, string t) { int n = s.Length; int m = t.Length; int[,] d = new int[n + 1, m + 1]; if (n == 0) { return m; } if (m == 0) { return n; } for (int i = 0; i <= n; i++) { d[i, 0] = i; } for (int j = 0; j <= m; j++) { d[0, j] = j; } for (int j = 1; j <= m; j++) { for (int i = 1; i <= n; i++) { int cost = (s[i - 1] == t[j - 1]) ? 0 : 1; d[i, j] = Math.Min(Math.Min( d[i - 1, j] + 1, d[i, j - 1] + 1), d[i - 1, j - 1] + cost); } } return 1.0 - (double)d[n, m] / Math.Max(n, m); } static double JaroWinklerDistance(string s, string t) { int sLen = s.Length; int tLen = t.Length; if (sLen == 0 && tLen == 0) { return 1.0; } int matchDistance = Math.Max(sLen, tLen) / 2 - 1; bool[] sMatches = new bool[sLen]; bool[] tMatches = new bool[tLen]; int matches = 0; for (int i = 0; i < sLen; i++) { int start = Math.Max(0, i - matchDistance); int end = Math.Min(i + matchDistance + 1, tLen); for (int j = start; j < end; j++) { if (tMatches[j]) { continue; } if (s[i] != t[j]) { continue; } sMatches[i] = true; tMatches[j] = true; matches++; break; } } if (matches == 0) { return 0.0; } int tPrefix = 0; for (int i = 0; i < tLen && tMatches[i]; i++) { tPrefix++; } double jaro = ((double)matches / sLen + (double)matches / tLen + (double)(matches - tPrefix) / matches) / 3; int j = 0; while (j < Math.Min(sLen, 4) && s[j] == t[j]) { j++; } if (j == 0) { return jaro; } double jaroWinkler = jaro + Math.Min(0.1, 1.0 / Math.Max(sLen, tLen) * j * (1.0 - jaro)); return jaroWinkler; } } ``` 在上面的示例中,`LevenshteinDistance`方法使用Levenshtein距离算法计算字符相似度,并返回一个介于0和1之间的值。这个值越接近1,表示两个字符串越相似。 `JaroWinklerDistance`方法使用Jaro-Winkler距离算法计算字符相似度,并返回一个介于0和1之间的值。这个值越接近1,表示两个字符串越相似。Jaro-Winkler距离算法还考虑了字符串的前缀匹配,因此对于具有相同前缀的字符串,它的结果会更准确。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值