C# 检查字符串是否有拼写错误

我有这样一种情况：我以字符串格式获取数据（地理区域名称）。（例如：-亚洲、澳大利亚）有时我也会获取具有多个区域的字符串（例如：-欧洲和非洲、北美和德国等）。这些区域的分隔符也不同，但区域保持不变（例如：亚洲和非洲、亚洲-非洲、亚洲/非洲等）。主要问题是这些数据可能不一致。它也有拼写错误。（例如：-太平洋/太平洋等）

现在，我需要将所有这些区域映射到一组桶中，但到目前为止，我必须手动完成这项工作。是否有一种方法可以至少在某种程度上自动映射这些字符串？我曾尝试使用soundex功能，但我决定不使用它，因为美国或美国或美国显示不同，奥地利和澳大利亚显示相同

---

谢谢您的帮助

您想过使用（模糊）搜索引擎吗？（例如Lucene）

为此，我将做以下工作：

每个区域创建一个文档，包含对所述区域有效的所有同义词。（确保每个同义词在整个索引中都是唯一的）

根据多区域字符串的规则集对同义词进行标记（标点符号拆分应该是一个好的开始）

使用相同的标记化规则在索引上搜索每个输入

最后，你会得到一个顶级比赛的分数

您可以使用FuzzyQuery处理拼写错误（例如，如果输入中允许出现错误），并将编辑距离作为参数

请记住，无论你做什么，如果你不能控制输入的质量，你会得到一些（读：可能很多）误报。

我会拼写检查

从此处创建同义词
数一数拼写错误的单词
从最常见拼写错误的同义词开始

您还可以使用levenshtein距离来查找类似的单词

---

即使是英语，我也不推荐soundex

你怎么知道这些名字的？这是用户输入的问题，还是您从无法控制的源接收这些字符串？更正输入错误的数据不是开发人员的责任，而是开发人员的责任，在询问堆栈溢出问题之前，尝试自己的要求。请向我们展示您迄今为止的尝试。@Steve我们使用彭博数据。所以我们无法控制它。我们问过彭博社他们自己是否有办法，他们说他们提供数据的方式和提供给他们的方式一样。@Sheridan，就像我说的。我尝试过使用soundex方法和字符串差分方法。但是选择不使用它，因为它们不是傻瓜式的。那么，这是一个困难的场景。我现在唯一能想到的就是某种学习工具。假设两个表，一个带有规范化区域，另一个带有这些变量字符串，并用公共代码链接在一起。在变量表中搜索并查看是否有规范化版本，否则添加新字符串并要求手动协调。随着时间的推移，手动工作量应该会减少。（如果变化的数量不是无限的）谢谢你。。我来看看这个。此外，我知道100%映射是不可能的，但如果它能将我的手工工作减少50%，那就太好了。。干杯D您能否快速思考一下同义词的含义？您自己给出的同义词，例如“USA”、“美利坚合众国”可以被视为同义词，因此将被视为同一文档/物理区域。