一次思维锻炼，使用拼音模糊匹配中文

 

Outlook的联系人查找，不支持用拼音的模糊查找，于是自己想实现一个。需求如下：

 

要求

允许模糊音，比如(zh,z)，(ing, in)

允许每个字的模糊匹配，字之间不能用空格

 

比如：

字符串"Nokia客户服务中心"，先拆开成拼音为：Nokia Ke Hu Fu Wu Zhong Xing ，拼音的总长为22

 

每个字再拆开后，表示为下表（第一行是标题）,注意空也算一个字的组合之一

标题	Nokia	客	户	服	务	中	心
1	n	k	h	f	w	z	x
2	no	ke	hu	fu	wu	zo	xi
3	nok					zon	xin
4	noki					zong	xing
5	nokia					zh
6						zho
7						zhon
8						zhong
合计	6	3	3	3	3	9	5

目标：使用所有字的任意组合，都能匹配到字符串Nokia客户服务中心。也就是说有 6 * 3 * 3 * 3 * 3 * 9 * 5 = 21870种组合可以匹配，每一种组合会有相应的权重，计算公式为：

权重(组合串) ＝ 组合串的长度 / 拼音的总长度

 

可能表达的不是很清楚，以下随意举例可能的匹配(以*间隔是为了说明，实际输入时不应该有*)

 

组合串	组合串的长度	组合串的权重
n*ke*h*f*wu*zho*xi	12	12 / 22
nok*k*hu*f*w*z*x	10	10 / 22
n*k*h*f*w*z*x	7	7 / 22

 

本以为不难，但真的做起来发现算法的效率是个大问题，一开始没有仔细想，就是简单的把所有组合作了散列，一运行发现在散列时相当慢，仔细一看才发现有些联系人的组合数量是相当惊人，比如举的例子，达到了21870种。

 

说来惭愧，对数据结构和算法实在是不济，一时间就想不出复杂度在O(1)或O(log n)的算法。在此抛砖引玉，希望和大家讨论。

 

＝＝＝＝＝＝＝＝这是无敌的分割线＝＝＝＝＝＝＝＝＝＝＝＝＝

 

以下是做这个事情过程中的一些工具代码，很简单，与大家分享

 

1. 汉字转拼音

 

程序很简单，就是使用码表，因为只是作为工具，我没有做任何优化。

 

下载ChineseSpell.cs