基于相似性比较字符串？

Question

我有一组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"
                        };

我作为输入获得的电话号码对应于列表中的这些项目之一，但它的格式略有不同。输入可以是这 3 种之一。请注意，不包括开头的国家/地区名称。

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

如您所见，我的输入与数组的格式略有不同。

我的问题是，当我有一个格式不同的输入时，有什么好方法可以从数组中提取正确格式的数字版本。

我不是要求别人为我做这件事，因为我可以很好地编写代码。出于某种原因，这种逻辑现在让我很着迷。

我想做的是一个并行电话号码数组，其中包含所有格式不正确的输入，并获取该数组中项目的索引并获取正确数组的相应输入。这看起来合乎逻辑吗？有没有更好更快的方法？

---

编辑：

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：

1. 将您的数据转换为规范形式。
2. 对规范形式进行愚蠢的比较。

Answer 2

我会尝试使用这个http://en.wikipedia.org/wiki/Levenshtein_distance 1st。

根据错误率，我将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生成字符串类）并使用 Levenshtein 比较类内部。

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。我不确定它是否会更好地处理您的情况。

Answer 3

似乎如果您忽略 '+' 和括号以及前导 1 和空格，那么您将在国家代码集中获得前 2 或 3 位数字的匹配。因此，您可以删除“+”、括号和空格以及前导“1”1，然后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/地区的预期相符（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/地区的前导代码有两个可能的匹配项。此外，如果数字计数与美国数字计数相匹配，并且一个国家/地区不匹配，则它是美国数字。然后，一旦您知道国家/地区，您可以将电话号码的数字放入该国家/地区的标准模板中，如果您愿意，可以将国家/地区的名称放在前面，然后就完成了。