Question

怎么构造衡量字符串相似程度的标准

Answer 1

很有意思的课题。不过既然是相似，就是模糊匹配，就没有标准，如果定义了严格的标准，那就是伪命题，只能说达到某种程度的相似要求，而不能称标准，只要实现你的需求就是合理的。

相似度匹配问题涉及几个方面
1、长度相似
2、大小写相似（这个简单）
3、字符或词组并集数量。

我相信根据以上三点你应该有想法了。

我的判断方式是，定义一个统计匹配次数的变量（完全相等不在下面处理流程考虑范围之内），每个测试项目都记做一分，即计数变量加一。

预处理：取长度较长的串定义为原串，将较短的定义为测试串。将原串和测试串全部转为大写或小写。
1、如果两串长度在70%以上则看做相似（这个值根据需要可调），+1
2、将被测试串与原串做包含测试（str.indexof(test)），如果命中+1
3、将原串和被测试串分别分割为三个子串，将它们各自的左中右子串做包含测试，每命中一个 +2。
4、将被测试串循环位移若干字符（可调），重复3#操作，重复次数根据移动字符数计算。

你可以选择选取以上几个条件进行判断，你也可以加入其它测试条件，组成10分制，达到6分看做相似。你也可以简单地单独采用一种方式判断，比如长度接近的情况下，选取第3个测试方法，将串分三部分，分别做包含测试，出现2次匹配就看做相似。