快捷導(dǎo)航

C#實(shí)現(xiàn)字符串模糊匹配的方法小結(jié)

更新時(shí)間：2024年07月02日 10:01:52 作者：我寫代碼菜如坤

在C#中實(shí)現(xiàn)字符串的模糊匹配可以借助正則表達(dá)式或者一些模糊匹配算法來實(shí)現(xiàn),文章通過代碼示例講解的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作有一定的幫助,需要的朋友可以參考下

方法一：使用正則表達(dá)式

如果你的模糊匹配是基于簡(jiǎn)單的通配符（如*和?），可以通過正則表達(dá)式來實(shí)現(xiàn)。

using System;
using System.Text.RegularExpressions;
 
class Program
{
    static void Main()
    {
        string pattern = "he*o"; // 例如，模糊匹配模式
        string input = "hello"; // 要匹配的字符串
 
        // 將模糊匹配模式轉(zhuǎn)換為正則表達(dá)式
        string regexPattern = "^" + Regex.Escape(pattern)
                                    .Replace("\\*", ".*")
                                    .Replace("\\?", ".") + "$";
 
        // 使用正則表達(dá)式進(jìn)行匹配
        if (Regex.IsMatch(input, regexPattern))
        {
            Console.WriteLine("字符串匹配成功！");
        }
        else
        {
            Console.WriteLine("字符串匹配失??！");
        }
    }
}

方法二：使用模糊匹配算法

如果你需要更復(fù)雜的模糊匹配（例如模糊搜索、近似匹配等），可以使用字符串相似度算法，如Levenshtein距離或者Jaccard相似度等。這些算法可以衡量?jī)蓚€(gè)字符串之間的相似程度，然后根據(jù)閾值判斷是否匹配。

以下是一個(gè)使用Levenshtein距離算法進(jìn)行模糊匹配的示例：

using System;
 
class Program
{
    static void Main()
    {
        string pattern = "hello"; // 模糊匹配模式
        string input = "heLlo"; // 要匹配的字符串
 
        int threshold = 2; // 可接受的最大編輯距離
 
        // 計(jì)算輸入字符串與模式字符串的編輯距離
        int distance = ComputeLevenshteinDistance(input.ToLower(), pattern.ToLower());
 
        // 如果編輯距離在閾值范圍內(nèi)，則認(rèn)為匹配成功
        if (distance <= threshold)
        {
            Console.WriteLine("字符串匹配成功！");
        }
        else
        {
            Console.WriteLine("字符串匹配失敗！");
        }
    }
 
    // 計(jì)算Levenshtein距離的方法
    static int ComputeLevenshteinDistance(string s, string t)
    {
        int n = s.Length;
        int m = t.Length;
        int[,] d = new int[n + 1, m + 1];
 
        // 初始化邊界條件
        for (int i = 0; i <= n; i++)
        {
            d[i, 0] = i;
        }
        for (int j = 0; j <= m; j++)
        {
            d[0, j] = j;
        }
 
        // 計(jì)算編輯距離
        for (int j = 1; j <= m; j++)
        {
            for (int i = 1; i <= n; i++)
            {
                if (s[i - 1] == t[j - 1])
                {
                    d[i, j] = d[i - 1, j - 1];
                }
                else
                {
                    d[i, j] = Math.Min(d[i - 1, j] + 1, // 刪除
                                      Math.Min(d[i, j - 1] + 1, // 插入
                                               d[i - 1, j - 1] + 1)); // 替換
                }
            }
        }
 
        return d[n, m];
    }
}

以上代碼示例中，ComputeLevenshteinDistance方法計(jì)算了兩個(gè)字符串之間的Levenshtein距離，然后通過比較距離與設(shè)定的閾值來判斷是否匹配。

根據(jù)你的具體需求，選擇適合的方法來實(shí)現(xiàn)字符串的模糊匹配。

拓展：C# list 中字段的模糊查找匹配實(shí)現(xiàn)

在游戲中，關(guān)于在列表中查找某行數(shù)據(jù)時(shí)，需要通過關(guān)鍵字匹配，去遍歷表中的數(shù)據(jù)，如果表中匹配到關(guān)鍵字，則返回該行數(shù)據(jù)，沒有則返回null。比如查找在好友列表查找某個(gè)好友時(shí)。

建立一個(gè) data 數(shù)據(jù)：用于保存item 的所有信息 (如: id,title,content,icon 等)

public class Data{

  public int id;
  public string name;
  public string title;
  public string content;
  public string icon;
  ...
}

實(shí)現(xiàn)：

private List<Data> onFindKeyWord(string str, List<Data> list){

List<Data> m_list= new List<Data>();
int count = list.Count;
 for(int i=0; i<count; i++){
  Data data = list[i];
  if(data.name.Indexof(str) != -1)
  {
    m_list.Add(data);
  }

 }
 return m_list; // 返回新的列表，符合模糊查詢的結(jié)果列表
}

用foreach 遍歷, 通過name模糊查找

private List<Data> onFindKeyWord(string str, List<Data> list){

List<Data> m_list= new List<Data>();
foreach(Data data in list)
{
  if(data.name.Indexof(str) != -1){
    m_list.Add(data);
  }

}
return m_list;

}

使用 list.Find(); 通過name 精確查找,不存在返回null

private List<Data> onFindKeyWord(string str, List<Data> list){

List<Data> m_list= new List<Data>();
Data data = list.Find(m_data=> m_data == str);
// 需要判斷是否存在
if(data != null){
  m_list.Add(data);
}
return m_list;
}

到此這篇關(guān)于C#實(shí)現(xiàn)字符串模糊匹配的方法小結(jié)的文章就介紹到這了,更多相關(guān)C#字符串模糊匹配內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: