C# 中如何判断字符串的相似度

基于 F23.StringSimilarity.dll  组件。Github 上可以搜索到该组件。

核心方法：

var l = new Levenshtein();
double tempValue = l.Distance("我是中国人", "我是中国人。"); // 将返回 1

 

下面是我扩展的方法，从一个集合中找到与目标字符串最相似的一个或多个字符串。

比如：["我是中国人", "我是美国人", "我的中国心", "我是中国通"]  ，现在要找到 和 “我是中国” 最接近的字符串（可能有多个）。

如果用我下面的扩展方法。返回值  

SimilarityValue = 1,  SimilarityTargetList = ["我是中国人", "我是中国通"]

 

有需要的请拿走，不谢。

 

using F23.StringSimilarity;
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace Demo
{
    /// <summary>
    /// 相似度结果信息
    /// </summary>
    /// <typeparam name="TSource">源集合的类型</typeparam>
    public class SimilarityResultInfo<TSource>
    {
        /// <summary>
        /// 相似度值。值越小，表示差异越小。等于 1 表示只有一个字符差异。等于 0 表示完全相等。
        /// </summary>
        public double SimilarityValue { get; set; }

        /// <summary>
        /// 相似度等于 1 表示只有一个字符差异，则最接近的可能有一个或多个字符串
        /// </summary>
        public IEnumerable<TSource> SimilarityTargetList { get; set; }
    }

    /// <summary>
    /// IEnumerable的扩展类，扩展了一个名为 Similarity 的方法
    /// </summary>
    public static class EnumerableMethodSimilarityExtension
    {
        /// <summary>
        /// 获取集合中和目标字符串最相似的集合（备注：比如：相似度等于 1 表示只有一个字符差异，则最接近的可能有一个或多个字符串）
        /// </summary>
        /// <param name="source">源集合</param>
        /// <param name="targetText">目标字符串</param>
        /// <returns>如果 source 没有元素，则返回 NULL。否则，返回值不为 NULL</returns>
        public static SimilarityResultInfo<string> Similarity(this IEnumerable<string> source, string targetText)
        {
            return Similarity<string>(source, c => c, targetText);
        }

        /// <summary>
        /// 获取集合中和目标字符串最相似的集合（备注：比如：相似度等于 1 表示只有一个字符差异，则最接近的可能有一个或多个字符串）
        /// </summary>
        /// <typeparam name="TSource">源集合的类型</typeparam>
        /// <param name="source">源集合</param>
        /// <param name="textSelector">源集合要比较的属性</param>
        /// <param name="targetText">目标字符串</param>
        /// <returns>如果 source 没有元素，则返回 NULL。否则，返回值不为 NULL</returns>
        public static SimilarityResultInfo<TSource> Similarity<TSource>(this IEnumerable<TSource> source, Func<TSource, string> textSelector, string targetText)
        {
            if (source == null)
            {
                throw new ArgumentNullException("source");
            }
            if (textSelector == null)
            {
                throw new ArgumentNullException("textSelector");
            }
            var l = new Levenshtein(); // 检查 2 个字符串的相似度。
            double? minStringSimilarityValue = null;
            List<TSource> similarityTargetList = null;
            foreach (var item in source)
            {
                string elementTextValue = textSelector(item);
                if (string.IsNullOrEmpty(elementTextValue))
                {
                    continue;
                }
                double tempValue = l.Distance(elementTextValue, targetText);
                if (!minStringSimilarityValue.HasValue)
                {
                    //说明是第一次比较。http://music.cnblogs.com
                    minStringSimilarityValue = tempValue;
                    similarityTargetList = new List<TSource>() { item };
                    continue;
                }
                if (tempValue < minStringSimilarityValue.Value)
                {
                    minStringSimilarityValue = tempValue;
                    similarityTargetList.Clear();
                    similarityTargetList.Add(item);
                    continue;
                }
                if (tempValue == minStringSimilarityValue.Value)
                {
                    similarityTargetList.Add(item);
                    continue;
                }
            }
            if (!minStringSimilarityValue.HasValue)
            {
                //说明集合是空的
                return null;
            }
            SimilarityResultInfo<TSource> result = new SimilarityResultInfo<TSource>();
            result.SimilarityValue = minStringSimilarityValue.Value;
            result.SimilarityTargetList = similarityTargetList;
            return result;
        }
    }


}

 

 

谢谢浏览！