C# 基于相似性比较字符串

我有两张清单，它们看起来像这样

<List> ads
[0]
Headline = "Sony Ericsson Arc silver"
[1]
Headline = "Sony Ericsson Play R800I"


<List> feedItems
[0]
Headline = "Sony Ericsson Xperia Arc Silver"
[1]
Headline = "Sony Ericsson Xperia Play R800i Black"

[0]
AdHeadline = "Sony Ericsson Arc silver"
MatchingFeed  = "Sony Ericsson Xperia Arc Silver"
// etc

---

我已经尝试遍历第一个列表并使用了Regex.Match类，如果找到匹配项，我将填充第三个列表-我想知道您首选的方法是什么，以及如何检查表达式中至少2+个单词。

有趣的问题。您可以通过多种方式解决此问题，但一个好主意可能是建立一个制造商列表，然后可以使用该列表从传入列表中删除字符串。然后为您关心的所有移动型号建立一个查找表，并在该表上使用型号和制造商（您之前已经确认）进行LINQ选择。因此，确定什么是制造商和型号可能会让事情变得更容易

---

就我个人而言，我不会使用regex，而是构建一个通用的phone模型类，然后您可以使用它创建一个列表。另外，如果输入了电话数据，则手工考虑使用

< P>有趣的问题。您可以通过多种方式解决此问题，但一个好主意可能是建立一个制造商列表，然后可以使用该列表从传入列表中删除字符串。然后为您关心的所有移动型号建立一个查找表，并在该表上使用型号和制造商（您之前已经确认）进行LINQ选择。因此，确定什么是制造商和型号可能会让事情变得更容易

---

就我个人而言，我不会使用regex，而是构建一个通用的phone模型类，然后您可以使用它创建一个列表。另外，如果输入的电话数据是手动的，考虑使用

< P>，我不确定正则表达式会给聚会带来什么。下面呢

// Define a helper function to split a string into its words.
Func<string, HashSet<string>> GetWords = s =>
    new HashSet<string>(
        s.Split(new[]{' '}, StringSplitOptions.RemoveEmptyEntries)
        );

// Pair up each string with its words. Materialize the second one as
// we'll be querying it multiple times.
var aPairs = ads.Select(a => new { Full = a, Words = GetWords(a) });
var fPairs = feedItems
                 .Select(f => new { Full = f, Words = GetWords(f) })
                 .ToArray();

// For each ad, select all the feeds that match more than one word.
// Then just select the original ad and feed strings.
var result = aPairs.SelectMany(
    a => fPairs
        .Where(f => a.Words.Intersect(f.Words).Skip(1).Any())
        .Select(f => new { AdHeadline = a.Full, MatchingFeed = f.Full })
    );

//定义一个helper函数，将字符串拆分为单词。
Func GetWords=s=>
新哈希集(
s、 拆分（新[]{''}，StringSplitOptions.RemoveEmptyEntries）
);
//将每个字符串与其单词配对。将第二个具体化为
//我们将多次查询它。
var aPairs=ads.Select（a=>new{Full=a，Words=GetWords（a）}）；
var fPairs=馈线
.Select（f=>new{Full=f，Words=GetWords（f）}）
.ToArray（）；
//对于每个广告，选择与多个单词匹配的所有提要。
//然后只需选择原始广告和提要字符串。
var result=aPairs.SelectMany(
a=>fPairs
.Where（f=>a.Words.Intersect（f.Words.Skip（1）.Any（））
.Select（f=>new{AdHeadline=a.Full，MatchingFeed=f.Full}）
);

我不确定正则表达式是否能为这里的聚会带来什么。下面呢

// Define a helper function to split a string into its words.
Func<string, HashSet<string>> GetWords = s =>
    new HashSet<string>(
        s.Split(new[]{' '}, StringSplitOptions.RemoveEmptyEntries)
        );

// Pair up each string with its words. Materialize the second one as
// we'll be querying it multiple times.
var aPairs = ads.Select(a => new { Full = a, Words = GetWords(a) });
var fPairs = feedItems
                 .Select(f => new { Full = f, Words = GetWords(f) })
                 .ToArray();

// For each ad, select all the feeds that match more than one word.
// Then just select the original ad and feed strings.
var result = aPairs.SelectMany(
    a => fPairs
        .Where(f => a.Words.Intersect(f.Words).Skip(1).Any())
        .Select(f => new { AdHeadline = a.Full, MatchingFeed = f.Full })
    );

//定义一个helper函数，将字符串拆分为单词。
Func GetWords=s=>
新哈希集(
s、 拆分（新[]{''}，StringSplitOptions.RemoveEmptyEntries）
);
//将每个字符串与其单词配对。将第二个具体化为
//我们将多次查询它。
var aPairs=ads.Select（a=>new{Full=a，Words=GetWords（a）}）；
var fPairs=馈线
.Select（f=>new{Full=f，Words=GetWords（f）}）
.ToArray（）；
//对于每个广告，选择与多个单词匹配的所有提要。
//然后只需选择原始广告和提要字符串。
var result=aPairs.SelectMany(
a=>fPairs
.Where（f=>a.Words.Intersect（f.Words.Skip（1）.Any（））
.Select（f=>new{AdHeadline=a.Full，MatchingFeed=f.Full}）
);

肯定有更有效的方法来实现这一点，但这里有一些东西可以让您开始

class Program
{
    private static void Main()
    {
        var ads = new[]
        {
            "Sony Ericsson Arc silver",
            "Sony Ericsson Play R800I",
            "Oneword",
        };

        var feedItems = new[]
        {
            "Sony Ericsson Xperia Arc Silver",
            "Nokia Lumia 900",
            "Sony Ericsson Xperia Play R800i Black",
        };

        var results = from ad in ads
                      from feedItem in feedItems
                      where isMatch(ad, feedItem)
                      select new
                      {
                          AdHeadline = ad,
                          MatchingFeed = feedItem,
                      };

        foreach (var result in results)
        {
            Console.WriteLine(
                "AdHeadline = {0}, MatchingFeed = {1}",
                result.AdHeadline,
                result.MatchingFeed
            );
        }
    }

    public static bool isMatch(string ad, string feedItem)
    {
        var manufacturerWords = new[] { "sony", "ericsson", "nokia" };

        ad = ad.ToLower();
        feedItem = feedItem.ToLower();

        var adWords = Regex.Split(ad, @"\W+").Except(manufacturerWords);
        var feedItemWords = Regex.Split(feedItem, @"\W+").Except(manufacturerWords);

        var isMatch = adWords.Count(feedItemWords.Contains) >= 2;
        return isMatch;
    }
}

---

当然，有更有效的方法可以做到这一点，但这里有一些东西可以让你开始

class Program
{
    private static void Main()
    {
        var ads = new[]
        {
            "Sony Ericsson Arc silver",
            "Sony Ericsson Play R800I",
            "Oneword",
        };

        var feedItems = new[]
        {
            "Sony Ericsson Xperia Arc Silver",
            "Nokia Lumia 900",
            "Sony Ericsson Xperia Play R800i Black",
        };

        var results = from ad in ads
                      from feedItem in feedItems
                      where isMatch(ad, feedItem)
                      select new
                      {
                          AdHeadline = ad,
                          MatchingFeed = feedItem,
                      };

        foreach (var result in results)
        {
            Console.WriteLine(
                "AdHeadline = {0}, MatchingFeed = {1}",
                result.AdHeadline,
                result.MatchingFeed
            );
        }
    }

    public static bool isMatch(string ad, string feedItem)
    {
        var manufacturerWords = new[] { "sony", "ericsson", "nokia" };

        ad = ad.ToLower();
        feedItem = feedItem.ToLower();

        var adWords = Regex.Split(ad, @"\W+").Except(manufacturerWords);
        var feedItemWords = Regex.Split(feedItem, @"\W+").Except(manufacturerWords);

        var isMatch = adWords.Count(feedItemWords.Contains) >= 2;
        return isMatch;
    }
}

---

您还应考虑拼写错误和使用缩写的可能性。有完整的编程包专门用于这类事情。我同意罗琳的观点，正则表达式对这类问题没有任何用处。可能的重复也应该考虑拼写错误和缩写的使用。有完整的编程包专门用于这类事情。我同意罗林的观点，正则表达式对于这类问题没有任何用处。