算法整理

1. 文本比较算法

文本比较的核心就是比较两个给定的文本（可以是字节流等）之间的差异。

1.1 LD算法

概念：LD算法（LevenshteinDistance）又成为编辑距离算法（Edit Distance）。他是以字符串A通过插入字符、删除字符、替换字符变成另一个字符串B，那么操作的过程的次数表示两个字符串的差异。

　　例如：字符串A：kitten如何变成字符串B：sitting。

　　　　第一步：kitten——》sitten。k替换成s

　　　　第二步：sitten——》sittin。e替换成i

　　　　第三步：sittin——》sitting。在末尾插入g

 故kitten和sitting的编辑距离为3

 

性能：时间复杂度，空间复杂度为O(MN)。这个在两个字符串都比较短小的情况下，能获得不错的性能。不过，如果字符串比较长的情况下，就需要极大的空间存放矩阵。例如：两个字符串都是20000字符，则LD矩阵的大小为20000*20000*2=800000000Byte=800MB。故，在比较长字符串的时候，还有其他性能更好的算法。

 

原文：http://www.cnblogs.com/grenet/archive/2010/06/01/1748448.html