我使用特里树实现了 Levenshtein 距离算法，如Steve Hanov 所述。 但是，我在处理特殊字符时遇到了困难。 例如，如果我计算 Großmann 和 Grossmann 之间的距离，我需要距离为零，因为应该认为 ß 和 ss 相等。
什么是支持这些特殊情况的最佳解决方案（如果有的话）。
我最初的想法是在计算距离之前对所有字符串进行标准化。 所以在 Großmann -> Grossman, österreich -> oesterreich, ... 但是，.NET 中似乎没有这样的功能？
【问题讨论】：
标签： .net unicode levenshtein-distance unicode-normalization ligature
挑战在于当前的文化无法识别单个单词的语言。
假设你愿意在比赛的一方犯错。
识别一组永远不需要映射的字符。
确定所有文化的集合映射。
确定特定文化的映射。
首先做一个未映射的 Levenshtein 距离。
如果未映射的距离为零，则停止。
如果未映射的距离大于 x（例如 4），则停止，因为它不匹配。
如果单词只有不需要映射的字符（例如 a-z），则停止。
将两者映射到所有文化，如果距离为零停止。
映射到默认区域性，如果距离为零，则停止。
映射到其他文化，如果距离为零，则停止。
我添加了一个直接的 string.compare 到 Levenshtein 以报告 0 如果为真。
【讨论】：
我认为规范化是要走的路。
我不知道有任何现成的图书馆可以做到这一点，快速搜索也没有找到任何东西。
这里讨论了一个类似的问题：Converting "Bizarre" Chars in String to Roman Chars。
他们的解决方案，手动创建映射是可行的，只要您能提前全面识别所有必要的映射。
【讨论】：