智能字符串比较
我正在寻找一个库/类，可以对两个字符串进行智能比较。充其量，它会给出两个字符串相似程度的百分比结果。我正在比较公司名称，地址记录在不同的存储库中，因此在名称中有许多拼写错误或不一致。
要比较的示例字符串：
"Good Company Ltd." vs. "GoodCompany"
"Baker Street 2" vs. "Baker Str. 2" 如果我得到了相似度百分比结果，那么这可以作为智能合并这类数据的输入。
你知道有什么好的库可以实现这样的智能字符串比较吗？
回答 3
Stack Overflow用户
发布于 2013-05-23 20:22:26
Levenshtein在这种情况下是不合适的。"Good Company Ltd“和"GoodCompany”的距离为3，而"Good Company Ltd“和"Food Ltd”的距离为1，但它们的含义完全不同。我建议使用Metaphone or Double Metaphone算法。
使用online metaphone comparer的结果是：
Good Company Ltd = KTKMPNLTT GoodCompany = KTKMPN食品有限公司= FTKMPNLTT GoodCompanyLLC = KTKMPNLK
这样你就知道GoodCompany，Good Company Ltd和GoodCompanyLLC是相似的，而Food Company拼写错误或者完全不相关(KTKMPN包含在KTKMPNLTT和KTKMPNLK中，但不包含在FTKMPNLTT中)。
在here上查看其他算法的比较。
Stack Overflow用户
发布于 2013-05-23 19:59:13
您可能需要查找Levenshtein Distance实现。它显示了需要多少个字符插入/删除和替换才能使两个字符串相等。
这里有一篇关于C#库的文章，这些库实现了Levenshtein距离和其他文本比较算法：.NET library for text algorithms?。
然而，我认为你必须使用一些方法的组合，因为使用Levenshtein会告诉你'Good Company Ltd.‘.’更像是“坏公司”。而不是“GoodCompany”。
也许你需要通过扩展'str.‘来做一些预处理。移至“街道”并删除“中尉”就字符串比较而言，它是“无意义”的词。
更新1
Francesco De Lisi suggests使用拼音算法。看起来他们更适合比较拼写错误的名字。尽管如此，你仍然需要将地址分成语音/非语音部分(比如建筑编号)，然后分别进行比较。
更新2
至于地址比较，这篇文章是suggests to use Google Maps API，另一篇文章讨论了address parsing。我猜Google可以产生可靠的结果，因为他们有一个街道地址的数据库，在那里他们可以找到最正确的街道名称拼写。如果没有正确的街道/公司名称列表，您可能会遇到一些不正确的奇怪名称，但是许多不同的正确名称可能与其相似。
Stack Overflow用户
发布于 2013-05-23 19:59:44
你要找的是一个Levenshtein distance (Wikipedia)：
...the Levenshtein distance是用于度量两个序列之间差异的字符串度量。非正式地说，两个单词之间的
距离是将一个单词转换为另一个Levenshtein所需的最小单字符编辑次数(插入、删除、替换
https://stackoverflow.com/questions/16713292
复制相似问题
腾讯云开发者
