R Levenshtein编辑距离，带多字符单位分隔符

我已经搜索了R函数

adist

、

agrep

、

match

、和

stringdist

，但没有找到使用分隔符计算编辑距离的方法

现有编辑距离：

“that” & ”fat” = 2  i.e., adist("that","fat")

所需函数将使用分隔符表示多字符单位：

“th.a.t” & ”f.a.t” = 1

---

Levenshtein距离很容易实现，所以只需计算它。下面是瓦格纳·费舍尔算法的快速无保证版本（见维基百科）

---

这就是你想要的：

sum（do.call（mapply，c（“！=”），strsplit（c（“th.a.t”，“f.a.t”），“\\”））

？（拆分两个字符串，逐子字符串比较子字符串和求和差异）它似乎缺少了处理长度变化的内容：sum（do.call（mapply，c（“！=”），strsplit（c（“th.a.t.s”，“f.a.t”），“\\”））…添加的“s”导致此错误，“（函数（FUN，…，MoreArgs=NULL，SIMPLIFY=TRUE，USE.NAMES=TRUE）：longer argument不是length的倍数shorter“那太好了！在您的最后一行中给可能搜索它的人一个注释，输出是不正确的。sepLeven（“th.a.t”，“t.e.s.t”）[1]3不完全正确；函数是矢量化的。如果您运行我的测试，它不会将“th.a.t”与“t.e.s.t”和“f.a.t”与“f.e.t”进行比较，但将“th.a.t”与“f.a.t”进行比较，将“t.e.s.t”与“f.e.t”进行比较。即，第一个参数的第一个元素与第二个参数的第一个元素进行比较，第一个参数的第二个元素与第二个参数的第二个元素进行比较，依此类推。如果两者都只包含一个元素，则这是不相关的，但这种方式允许您使用单个命令对整个data.frame进行比较，或进行比较指向单个目标的字符串向量等。我在过去的一个小时里一直试图找出如何使用apply或lapply运行sepLeven，但不确定为什么会得到：strsplit中的错误（t，sep，fixed=TRUE）：参数“t”丢失了，没有默认。有任何想法吗？我用同样的方式使用ADIST没有问题。@ USER 1936965对事物：如果<代码> SEPLONGE/<代码>是你正在寻找的答案，请考虑通过点击答案左边的复选标记来接受答案。其次，考虑提问作为一个新问题。（

如何与自定义函数一起使用应用

）由于它有点超出了原始问题的范围，您不需要使用

apply*或
lappy
，该函数通过
mapply
具有内置的apply。如果您有一个向量或字符串列表要与另一个字符串进行比较，或成对地与字符串向量进行比较，只需执行
vecLeven即可（向量列表，字符串向量列表）`
vecLeven <- function(s, t) {
  d <- matrix(0, nrow = length(s) + 1, ncol=length(t) + 1)
  d[, 1] <- (1:nrow(d)) - 1
  d[1,] <- (1:ncol(d))-1
  for (i in 1:length(s))  {
    for (j in 1:length(t)) {
      d[i+1, j+1] <- min(
        d[i, j+1] + 1, # deletion
        d[i+1, j] + 1, # insertion
        d[i, j] + if (s[i] == t[j]) 0 else 1 # substitution
      )
    }
  }

    d[nrow(d), ncol(d)]
}

sepLeven <- function(s, t, sep=".") {
  mapply(vecLeven, 
         strsplit(s, sep, fixed=TRUE), 
         strsplit(t, sep, fixed=TRUE))
}

sepLeven(c("th.a.t", "t.e.s.t"), c("f.a.t", "f.e.t"), sep=".")
# output: [1] 1 2