C# 快速计算大字符串之间距离的C代码或算法？

嗨，谢谢你的关注

背景 我有一个包含1900个节点的XML文件，这些节点本身包含大约3400个字符的编码数据字符串

作为我正在开发的应用程序用例的一部分，我需要能够在运行时获取“基准”字符串，并从XML文件中找到最接近的匹配项

请注意，XML与应用程序并不密切相关，我可能会继续使用SQL，但今天，我只需要一个简单的地方来存储数据并证明这个概念

我正在使用.NET4.0、C#、表单应用程序、LINQ等

问题: 如何找到最接近的匹配项？哈明？莱文施坦？网上有很多代码示例，但大多数都是针对小字符串比较（“ant”和“aunt”）或精确匹配的。我很少有精确的匹配；我只需要最接近的匹配

提前谢谢

Matt

您提到使用Levenhstein的编辑距离，您的字符串大约有3400个字符长

我做了一个快速的尝试，使用动态编程版本的Levenhstein的编辑距离，它似乎相当快，不会引起任何问题

我这样做：

        final StringBuilder sb1 = new StringBuilder();
        final StringBuilder sb2 = new StringBuilder();
        final Random r = new Random(42);
        final int n = 3400;
        for (int i = 0; i < n; i++) {
            sb1.append( (char) ('a' + r.nextInt(26)) );
            sb2.append( (char) ('a' + r.nextInt(26)) );
        }
        final long t0 = System.currentTimeMillis();
        System.out.println("LED: " + getLevenshteinDistance(sb1.toString(), sb2.toString()) );
        final long te = System.currentTimeMillis() - t0;
        System.out.println("Took: " + te + " ms");

final StringBuilder sb1=新StringBuilder（）；
最终StringBuilder sb2=新StringBuilder（）；
最终随机数r=新随机数（42）；
最终整数n=3400；
对于（int i=0；i

在2006年左右的Core 2 Duo上发现了215毫秒的距离

那对你有用吗

---

（顺便说一句，我不确定我是否可以粘贴我在这里得到的DP-LED实现的代码，因此您可能应该在Internet上搜索一个Java实现）

为了解决这个问题，您必须精确定义“最接近的”对您意味着什么。这更像是一个概念性问题，请尝试programmers.se。一旦你选择了一个算法，如果你在工作中遇到问题（或性能问题），StackOverflow会很乐意帮助你解决实现细节问题。@GregHewgill-Fair。对我来说，这意味着数据集中没有其他更接近的字符串。我猜这将类似于泡沫排序的结果。谢谢。@Greg Hewgill:他肯定是指RAM中位置的相对距离。@BenVoigt-谢谢，我会试试的。我过去在programmers.se上遇到的唯一问题是，它几乎没有这样的曝光率，因此很难在这里获得牵引力。@user988052-太棒了！非常感谢。这就是你正在使用的“GetLevenshteInstance”方法吗：？@MatthewPatrickCashatt:这很有趣。。。是的，它基本上是相同的，这是您应该用于大字符串的，因为它只初始化字符串长度的两个数组，而不是在一些（内存效率较低的）DP LED中可以看到的大小为N x N的矩阵；）这真是太好笑了——当上面的答案对我来说很有吸引力，并且帮助我在这方面取得了很大进步时，这个问题就以“不是真正的问题”和“无法合理回答”而结束了。也许是时候重新评估一些事情了，孩子们；）。