julia中的模糊正则匹配

有没有办法在Julia中进行模糊正则表达式匹配

我构建了以下正则表达式测试：

toMatch = Regex(word,"i")
ismatch(toMatch,input_string)

我希望能够进行此测试，但允许在匹配中使用一些纬度，并通过Levenshtein距离指定

我已经找到了包Levenshtein，它可以计算距离，但不确定如何将它合并到这个逻辑中。例如：

levenshtein("hello","hllo")`
> 1

（这个答案与正则表达式无关，但它涵盖了一些用例。）

我不知道这是否适用于您的用例。但是，看起来您正在尝试查找文本中是否存在单词（或拼写错误）。如果文本由空格分隔，并且您的单词不包含空格，您可以尝试以下操作：

nopunct(s) = filter(c -> !ispunct(c), s)
nfcl(s) = normalize_string(s, decompose=true, compat=true, casefold=true,
                              stripmark=true, stripignore=true)
canonicalize(s) = nopunct(nfcl(s))
fuzzy(needle, haystack, n) = any(
    w -> levenshtein(w, canonicalize(needle)) < n,
    split(canonicalize(haystack)))

nopunc

去除标点符号，进一步简化字符串

julia> nopunct("Hello, World!")
"Hello World"

规范化

只是将这两种转换结合起来

然后我们检查草堆中的任何单词（由空格分割）是否在针的

n

范围内

示例：

julia> fuzzy("Robert", "My name is robrt.", 2)
true

julia> fuzzy("Robert", "My name is john.", 2)
false

---

这决不是一个完整的解决方案，但它涵盖了许多常见用例。对于更高级的用例，您应该更深入地研究。

这里需要正则表达式吗？这听起来像是一般正则表达式的一个困难（计算）问题。我可能不需要它。我首先使用这里列出的代码解决了精确匹配的问题，现在我尝试允许接受输入字符串中的拼写错误。这非常有用，但是，在我的情况下，我试图在文本中找到的单词可能有空格，因为它可能是一个短语。如果针是一个普通的旧字符串（没有像

*

或

（）

这样的正则表达式字符），有一个“技巧”你可以做：计算

levenshtein（针，干草堆）

，检查它是否小于

长度（干草堆）-长度（针）+n

。（至少

length（haystack）-length（pine）

必须删除字符才能从haystack到达针，然后可能会执行

n

进一步的操作。）无论针中有什么字符，这都有效。我认为这将非常适合我的需要。我要添加的一个修改是根据针的长度稍微改变

n

。谢谢@FengyangWang@亚伦，打得好。我个人使用了

fuzzy（针、草堆、圆形（Int、长度（针）*（3/4））

。

julia> fuzzy("Robert", "My name is robrt.", 2)
true

julia> fuzzy("Robert", "My name is john.", 2)
false