是否有任何为 C# 编写的模糊搜索或字符串相似函数库？ [关闭]

Posted 2023-02-22

【中文标题】是否有任何为 C# 编写的模糊搜索或字符串相似函数库？ [关闭]

【英文标题】：Are there any Fuzzy Search or String Similarity Functions libraries written for C#? [closed]

【发布时间】：2010-09-10 04:07:51

【问题描述】：

有类似的问题，但与我可以在源代码中使用的 C# 库无关。

感谢大家的帮助。

我已经看到了 lucene，但我需要一些更容易搜索相似字符串并且没有索引部分开销的东西。

我标记的答案有两个非常简单的算法，一个也使用了LINQ，所以很完美。

【问题讨论】：

为什么这是题外话让我无法理解。 OP 询问库中是否有 SO 深入支持的函数。

【参考方案1】：

用于 Linux 的 Beagle Project 是用 c# (mono) 编写的，是一个类似于 google-desktop 的搜索工具。它可能有一些用于这些字符串匹配的代码。

如果我没记错的话，它使用Lucene 库来搜索和检索数据。也许这对您的项目也有用。

【参考方案2】：

你看过Lucene.net吗？它是 Java Lucene 搜索引擎 API 到 .Net 平台的一个端口。该库提供了很多搜索功能。大约一年前我玩过它，所以不要将我的建议视为基于大量经验。我在Windows Developer Power Tools 一书中看到了它，并拿它来试驾。您可以查看他们的API documentation，看看它是否提供了您正在寻找的模糊搜索之类的功能。

【讨论】：

能否请您告诉如何使用 Lucene 获得相似度？

对不起，我没有专业使用过。正如我在帖子中提到的，我大概在 2007/2008 年左右玩过它。

也许Lucene in Action, 2ed这本书可以告诉如何获得相似度。

【参考方案3】：

这个code project paper 有一个使用Levenshtein distance 的字符串相似函数。

【参考方案4】：

有以下 Levenshtein 距离算法，它为两个字符串的相似性分配一个值（实际上是差异），可用于构建：http://www.merriampark.com/ldcsharp.htm

【参考方案5】：

Levenshtein 距离实现：

Using LINQ（不是真的，见 cmets） Not using LINQ

我有一个 .NET 1.1 项目，我在其中使用后者。它很简单，但非常适合我的需要。据我记得，它需要一些调整，但没有什么不明显的。

【讨论】：

为什么说“使用 LINQ”？这些实现都没有使用 Linq...

其实这些实现都是一样的，只不过后者使用的是Substring，比使用indexer慢很多，因为每次都会创建新的String实例……

确实你是对的。我可以发誓这里面有一些对 LINQ 的喜爱，或者至少标题声称它是 LINQy 之类的。

如果我有 100,000 个条目要搜索，我想每次显示前 20 名候选人怎么办？

死链接现在可能在这里dotnetperls.com/levenshtein

【参考方案6】：

我使用“C# 中的三元搜索树字典”(http://www.codeproject.com/KB/recipes/tst.aspx) 来搜索相似的字符串。

问候，帕特里西奥

【参考方案7】：

您还可以查看名为 Sam's String Metrics https://github.com/StefH/SimMetrics.Net 的令人印象深刻的库。这包括许多算法。

汉明距离 Levenshtein 距离 Needleman-Wunch 距离或卖方算法 史密斯-沃特曼距离 Gotoh 距离或 Smith-Waterman-Gotoh 距离 街区距离或L1距离或城市街区距离 蒙格埃尔坎距离 Jaro 距离度量 雅罗·温克勒 SoundEx 距离度量 匹配系数 骰子系数 Jaccard 相似度或 Jaccard 系数或 Tanimoto 系数 重叠系数 欧几里得距离或 L2 距离 余弦相似度 变化距离 Hellinger 距离或 Bhattacharyya 距离 信息半径（Jensen-Shannon 散度） 谐波平均值 偏斜发散 混淆概率 头 Fellegi 和 Sunters (SFS) 指标 TFIDF 或 TF/IDF FastA BlastP 最大匹配数 q-gram Ukkonen 算法

【讨论】：

这个答案中的链接给了我一个 403 错误。您可以改用Wayback Machine。

我相信上面提到的库的.NET版本是here。在我将它转换为 Visual Studio 2010 并更新 NUnit 引用后，它就构建了。它还通过了 87 项测试。

我在 SimMetrics.Net on GitHub 上找到了这个库的 .net 库版本。与@dalenewman 的建议相同，也许只是在 github 上？

【参考方案8】：

它们不是我自己的发明，但它们是我的最爱，我刚刚写了一篇关于它们的博客，并在一篇名为 Four Functions for Finding Fuzzy String Matches in C# Extensions 的博客文章中发布了我自己的 Dice Coefficient、Levenshtein Distance、Longest Common Subsequence 和 Double Metaphone 的调整版本.

【讨论】：

这些都是现成的，你可以直接放入你的项目中。这是简单的人要走的路。

代码现在在 GitHub github.com/tylerjensen/duovia-fuzzystrings

更新了博文链接：tsjensen.com/blog/post/2011/05/27/…