Question

我需要逐字逐句比较两个字符串。像diff这样的东西，但是对于单词而言，不是为了行。

就像它在维基百科中完成的一样 http://en.wikipedia.org/w/index.php?title=Horapollo&action=historysubmit&diff=21895647&oldid=21893459

结果我想返回两个单词索引数组，两个字符串不同。

.NET是否有可以执行此操作的库/框架/ standalone_method？

P.S。我想比较几千字节的文本

Answer 1

实际上，您可能希望实现我们在DNA sequence alignments中使用的局部对齐/全局对齐算法的变体。这是因为您可能无法对两个字符串进行逐字比较。即：

快速的棕色狐狸跳过了   懒狗
  快速的狐狸跳过了   懒狗

换句话说，如果你无法识别整个单词的插入和删除，你的比较算法就会变得非常sc。（r）。看一下 Smith-Waterman 算法和 Needleman-Wunsch 算法，找到一种方法使它们适应您的需求。如果字符串很长，这样的搜索空间会变得非常大，你也可以查看BLAST。 BLAST是一种非常常见的启发式算法，几乎是遗传搜索的标准。

Answer 2

似乎我找到了所需的解决方案：

DiffPlex是.NET Diffing Library与Silverlight和HTML diff查看器的组合。 http://diffplex.codeplex.com/

但它有一个错误。在那些行“Hello-Kitty”“Hello - Kitty”中，单词“Hello”将被标记为差异。虽然区别在于空格符号。

Answer 3

使用RegularExpressions。

与示例中一样：

using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Text;
using System.Windows.Forms;
using System.Collections.Specialized;

namespace WindowsApplication10
{
    public partial class Form1 : Form
    {
        public Form1()
        {
            InitializeComponent();
        }

        private void button2_Click(object sender, EventArgs e)
        {
            decimal discrimation = 0.75M;
            string formHeading = "The brown dog jumped over the red lazy river, and then took a little nap! Fun!";
            string userSearch = "The brown dog jumped over the red lazy river, and then took a little ";
            //string userSearch = "brown dog nap fun";
            decimal res = CompareText(formHeading, userSearch);

            if (res >= discrimation)
            {
                MessageBox.Show("MATCH!" + res.ToString());
            }
            else 
            {
                MessageBox.Show("does not match! " + res.ToString());
            }
        }


        /// <summary>
        /// Returns a percentage of 1 on how many words were matched
        /// </summary>
        /// <returns></returns>
        private decimal CompareText(string formHeading, string userSearch)
        {
            StringCollection formHeadingWords = new StringCollection();
            StringCollection userSearchWords = new StringCollection();
            formHeadingWords.AddRange(System.Text.RegularExpressions.Regex.Split(formHeading, @"\W"));
            userSearchWords.AddRange(System.Text.RegularExpressions.Regex.Split(userSearch, @"\W"));

            int wordsFound = 0;
            for (int i1 = 0; i1 < userSearchWords.Count; i1++)
            {
                if (formHeadingWords.Contains(userSearchWords[i1]))
                    wordsFound += 1;
            }
            return (Convert.ToDecimal(wordsFound) / Convert.ToDecimal(formHeadingWords.Count));
        }
    }
}