0

我有两个文本文件。两者的内容相同,但格式不同。在一个文件中,单词或字母之间有多余的空格。也有不同的换行符。例如:

文件1:

The annotation framework we presented is 
embedded in the Knowledge Management and 
Acquisition Platform Semantic Turkey (Pazienza, et 
al., 2012), and comes out-the-box with a few 
annotation families which differ in the underlying 
annotation model and, notably, in the tasks they 
support. The default handlers take into consideration 
the annotation of atomic ontological resources, and 
complex activities that are provided as macros, e.g. 
the creation of new instances, the definition of new 
subclasses in OWL, or of narrower concepts in 
SKOS. 

文件2:

Theannotationframework we presented is 
embedded in th e K n o w l e d ge Management and 
Acquisition Platform Semantic Turkey (Pazienza, et 
al., 2012), and comes out-the-
box with a few 
annotation families which differ in the underlying 
annotation model and, notably, in the tasks they 
support. The default handlers take into consideration 
the a n n o t a t i o n  o f a t o m i c ontological resources, and 
complex activities that are provided as macros, e.g. 
the creation of new instances, the definition of new 
subclasses in OWL, or of narrower concepts in 
SKOS.

假设我the Knowledge Management从 File1 中选择了字符串,并且我想将它与th e K n o w l e d ge ManagementFile2 中的字符串匹配。

我怎样才能实现它?第二个文件中没有固定的畸形。唯一可以确定的是,两个文件中的字符顺序相同,它们可能被额外的空格分隔,或者它们之间的空格可能丢失。

我想应用卖方算法或维特比算法,但我不确定。近似字符串匹配也可能很昂贵。

任何线索都会有所帮助。非常感谢!

4

2 回答 2

1

您应该意识到您没有两个文本,而是几乎一个文本,所有字符都在同一位置!

用什么魔法?好吧,剥离所有空白和分隔符就足够了,或者,更好的是,当您从一个字符前进到下一个字符时跳过它们。

您可以轻松地并行遍历两个文本,保持同步,无需搜索

例如,“ the Knowledge Management”和“ th e K n o w l e d ge Management”都从位置 45 运行到 67。


如果你不知道搜索字符串在第一个文本中的起始位置,那么在第一个文本中执行普通搜索(有或没有空格,这取决于你),然后将第二个文本遍历到相同的位置。

The annotation framework we presented is
0          1         2           3 
0122345678901223467890122344567890123345

如果您需要在文本中执行多个字符串位置,则每次从头开始遍历变得昂贵。然后,您可以使用将无空格位置与普通位置相关联的索引表,并在必要时执行二进制搜索。

于 2017-12-13T22:24:57.037 回答
0

您可以将文件作为字符串导入,并从两者中删除所有空格。那么它应该是一个直接的字符串匹配活动。

如果您还需要匹配模式的起始索引,请获取折叠字符串中起始点的索引,并在间隔版本上运行 for 循环,仅计算字符。

于 2017-12-13T21:29:50.913 回答