1

Есть 2 базы. в одной идеальное написание слов, в другой импорт из других баз. Там бывают ошибки аля (Spirit of Maya вместо Spirits of Maya, Pharaon вместо Pharaohn) Записей очень много. глазами не пробежаться, начинают в кучу собираться.

Как можно найти отличие в 1-3 символа пробегаясь в цикле ?

for i := 0 to Length(IdealArray) - 1 do
begin
  for x := 0 to Length(SomeMissArray) - 1 do
  begin
    Тут по идее производится проверка всего. но вот как её реализовать не могу родить
  end;
end;
2
  • недавно что-то обсуждали тут про soundex для русского. Не пойдет для поиска схожих фраз. А потом эти схожие уже проверять?
    – teran
    30 мая 2017 в 9:09
  • Пробовал. Мне кажется легче уже смириться. Слишком много подводных камней получается как-то. Самое адекватное решение , которое придумал - это через регулярные сделать. Через Copy() и Pos() фигарим до первой буквы которая не такая, потом заносим в переменную все правильные буквы. и через регулярное : "наша переменная+(.*?)+следующаябуква" если нашлось - значит опечатка 30 мая 2017 в 14:10

2 ответа 2

4

Для поиска опечаток существуют алгоритмы нечёткого поиска. Один из них Расстояние Левенштейна с реализацией на Pascal

1

Самый простой способ - это искать расстояние от позиции каждой буквы слова до позиции такой же буквы другого слова. Для одинаковых слов сумма расстояний будет равна нулю. Для слов с опечаткой сумма будет мала, а для не похожих велика. Для слов с разной длинной, нужно сравнивать длинное слово с коротким. Возможно, мой алгоритм не верный - придумал его за минуту.

3
  • Забыл упомянуть, если буквы нет, то за расстояние стоит брать расстояние до ближайшего края второго слова. Так мне кажется.
    – gimntut
    30 мая 2017 в 3:27
  • сейчас попробую нечто подобное 30 мая 2017 в 14:15
  • Не в баню. не получается и всё. =) 30 мая 2017 в 14:50

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.