String 用拼写错误匹配字符串的快速方法

我有一个巨大的字符串列表（城市名称），我想找到一个城市的名称，即使用户输入了错误

例子 用户输入“chcago”，系统会找到“Chicago”

当然，我可以为列表中的所有字符串计算查询的Levenshtein距离，但这会非常慢

---

有什么有效的方法来执行这种字符串匹配吗？

我认为基本的想法是使用Levenshtein距离，但是在名称的子集上。如果名称足够长，一种有效的方法是使用n-gram。您可以存储n-gram，然后使用更有效的技术来表示至少x个n-gram需要匹配。唉，你的例子拼错了5个字母中有2个字母与芝加哥的3个字母匹配（除非你在开头和结尾都计算了partials）

对于较短的名称，另一种方法是在每个名称中存储字母。所以，“芝加哥”会变成6个“元组”：“c”，“h”，“i”，“a”，“g”，“o”。您可以对输入的名称执行相同的操作，然后要求4或5个匹配项。这是一个相当简单的匹配操作，因此它可以运行得相当快

---

然后，在这个缩减集上，应用Levenshtein距离来确定最接近的匹配是什么。

您要求在不使用Levenshtein的情况下确定Levenshtein

您必须先确定单词偏离的程度，然后才能识别，并查看是否可以接受应用这种不太准确的算法。例如，您可以查找常用类型的字母，并将其限制在该范围内。或应用此中的首字母/末字母规则。您还可以假设前几个字母是正确的，并在排序列表中查找城市，如果找不到，则将Levenshtein应用于n-1和n+1单词，其中n是最后一次查找的位置（或其变体）

---

有几种想法，但如果没有更多的假设，我认为没有一种最佳解决方案可以满足您的要求。

基于Levenshtein距离（或任何其他符合三角形不等式的度量）搜索文本字符串上模糊匹配的有效方法是。它是用Java语言实现的，特别是用C语言实现的。这种方法工作速度很快，但实现这一想法非常复杂——我可以将n固定在一个上限，只在一个小的子集上执行levenshtein。