问题标签 [string-matching]

我需要使用任何协议（http、https、shttp、ftp、svn、mysql 和我不知道的东西）测试通用 URL。

我的第一关是这样的：

（PCRE和.NET所以没什么可看中的）

在 .NET 中是否有一个函数可以测试字符串在语法上是否是正确的路径？我特别不希望它测试路径是否确实存在。

我目前对此的看法是一个正则表达式：

火柴：

拒绝：

我正在尝试为我的网站实施内部搜索，如果输入错误的单词，可以为用户指明正确的方向，就像你的意思是：在谷歌搜索中。

有人知道如何进行这样的搜索吗？我们如何确定我们假设用户打算搜索的单词或短语的相关性？

• 我将 asp.net 和 sql server 2005 与 FTS (fullTextSearch) 一起使用

谢谢

我正在寻找一种算法，它需要 2 个字符串，并会给我一个“相似性因素”。

基本上，我将有一个可能拼写错误的输入，有字母转置等，我必须在我拥有的可能值列表中找到最接近的匹配项。

这不适用于在数据库中搜索。我将有一个包含 500 个左右的字符串的内存列表来匹配，所有字符串都在 30 个字符以下，所以它可能相对较慢。

我知道它存在，我以前见过它，但我不记得它的名字了。

编辑：感谢您指出 Levenshtein 和 Hamming。现在，我应该实施哪一个？它们基本上测量不同的东西，两者都可以用于我想要的东西，但我不确定哪个更合适。

我已经阅读了算法，汉明似乎明显更快。由于两者都不会检测到两个字符被转置（即 Jordan 和 Jodran），我认为这将是一个常见错误，这对于我想要的更准确？有人能告诉我一些关于权衡的事情吗？

我需要将来自不同来源的产品名称（相机、笔记本电脑、电视等）自动匹配到数据库中的规范名称。

例如"Canon PowerShot a20IS"、"NEW powershot A20 IS from Canon"和"Digital Camera Canon PS A20IS" 应该都匹配"Canon PowerShot A20 IS"。我已经通过一些额外的启发式（删除明显的常用词，为数字更改分配更高的成本等）来处理 levenshtein 距离，这在某种程度上有效，但不幸的是还不够好。

主要问题是，即使是相关关键字的单个字母变化也会产生巨大的差异，但要检测哪些是相关关键字并不容易。以三个产品名称为例：
Lenovo T400
Lenovo R400
New Lenovo T-400, Core 2 Duo
前两个在任何标准上都是非常相似的字符串（好吧，soundex 在这种情况下可能有助于区分 T 和 R，但名称可能还有400T和400R），第一和第三作为琴弦相距很远，但是是同一个产品。

显然，匹配算法不可能 100% 精确，我的目标是自动匹配大约 80% 的名称，并且置信度很高。

非常感谢任何想法或参考

我正在寻找一种字符串相似性算法，它在可变长度字符串上产生比通常建议的更好的结果（levenshtein distance、soundex 等）。

例如，

给定字符串 A：“Robert”，

然后是字符串 B：“Amy Robertson”

会比

字符串 C：“理查德”

此外，最好该算法应该与语言无关（也适用于英语以外的语言）。

在匹配的情况下，您认为哪种方案更好？

是eregi还是stripos或任何其他方法？

如何将文本文件（或 XML 文件）表示为整个字符串，并在其中搜索（或匹配）特定字符串？

我创建了一个 BufferedReader 对象：

然后我尝试使用 Scanner 类及其选项来指定不同的分隔符，如下所示：

使用这样的 Scanner 类，我可以逐行或逐字阅读文本，但这对我没有帮助，因为有时在我想要处理的文本中，我有

我想说：如果您<review>在文本中的任何地方找到“”，请对以下下一行（或一段文本）执行某些操作，直到找到“ </review>”。问题是<review>和</review>位于文本中的不同位置，有时会粘在其他文本上（因此作为分隔符的空白对我没有帮助）。

我曾想过我可能会在 Java 中使用正则表达式 API（Pattern 和 Matcher 类），但它们似乎匹配特定的字符串或行，并且我希望将文本作为一个连续的字符串（至少这是我的印象从我所读到的关于它们的信息中）。你能告诉我在这种情况下我应该使用什么结构/方法/类吗？谢谢你。

我知道文档中属性的部分值，但不是全部。有没有我可以用来表示任何值的字符？例如，输入的标签值是“A. Choice 1”。我知道它说的是“Choice 1”，但不知道它会在“Choice 1”之前说“A.”还是“B.”。以下是相关的 HTML。输入和标签还有其他属性，但是每次渲染页面的时候都不一样，所以我不能用它们作为引用：

这是我用来选择值为“Choice 1”的标签旁边的输入的XPath表达式，但 HTML 中 A 位于其前面：

我不知道 HTML 中的 A 是 A、B 还是 C 等。但我知道正确的输入总是旁边有选择 1 文本。如果标签包含选项1，而不是等于选项 1，我怎么说选择它？

正则表达式是编程必须的吗？