Question

我有一系列格式正确的电话号码：

string[] phoneNumbers = {"US +1 866 XXX XXXX",
                         "UK +44 (0)XXX XXX XXXX",
                         "Singapore +65 XXXX XXXX"
                        };

我输入的电话号码对应于列表中的其中一个项目，但格式略有不同。输入可以是这些中的一个。注意，开头的国家名称不包括在内。

（866）XXX-XXXX
+44（0）XXX XXXXXX
+65 XXXXXXXX

如您所见，我的输入格式与数组略有不同。

我的问题是，当我有一个格式不同的输入时，从数组中提取正确格式化数字版本的好方法是什么。

我不是要求别人为我这样做，因为我可以做好代码。这个逻辑让我现在有些原因。

我想到的是一个并行电话号码数组，其中包含所有错误格式化的输入，并获取该数组中项目的索引并获得正确数组的相应输入。这看起来合乎逻辑吗？有更好，更快的方式吗？

修改

目前我正在完成这项工作：

                for(int i=0; i<phoneNumbers.Count(); i++)
                {
                    var tempDialInNumber = (from t in input //input from the user
                                            where char.IsDigit(t)
                                            select t).ToArray();
                    string tDialInNumber = new string(tempDialInNumber);

                    var tempDigitPhoneNumber = (from t in phoneNumbers.GetValue(i).ToString()
                                            where char.IsDigit(t)
                                            select t).ToArray();

                    string tDigitPhoneNumber = new string(tempDigitPhoneNumber);

                    if (tDigitPhoneNumber.Contains(tDialInNumber))
                    {
                        dialInNumber = phoneNumbers.GetValue(i).ToString(); 
                    }

                }

Answer 1

这样做的规范方法是：

将您的数据转换为规范形式。
对规范形式进行愚蠢的比较。

Answer 2

我会尝试使用此http://en.wikipedia.org/wiki/Levenshtein_distance第一个。

根据错误率，我会通过对组中的字符串进行预分类来调整算法（您可以使用正则表达式来生成字符串类）以及使用Levenshtein比较内部类。

另一种方法是根据字符串模式创建Bloom filter，然后使用它来匹配您想要的字符串。我不确定它是否能在你的情况下更好地运作。

Answer 3

看起来如果忽略'+'和括号以及前导1和空格，那么您将获得前导2或3位数到国家/地区代码集的匹配。所以你可以删除'+'和括号和空格并引导'1'1并查看前导数字匹配的前导国家代码，然后检查尾随数字的数量是否与您对该国家的预期相符（否则匹配的国家/地区）是'未知'）。请注意，如果国家/地区代码以“1”开头，则该国家/地区的主要代码有两种可能的匹配项。此外，如果数字计数与美国数字计数匹配且一个国家/地区不匹配，则它是美国数字。然后，一旦您知道了国家/地区，就可以将电话号码的数字放入该国家/地区的标准模板中，并根据需要将国家/地区的名称放在前面。

根据相似性比较字符串？

3 个答案: