Hur jämföra texter?

Inte för att det hjälper dig, men jag hade en lab. när jag läste en kurs om OS, vilken just gick ut på att jämföra två texter och peta ut resultatet i procent. Vi gjorde laben i shellscript om jag inte mins fel. Där la man iaf. ihop alla teckens ASCII värde i texterna, var för sig så klart, och jämförde sedan resultatet. Har tyvärr inte kvar "programmet" men det var förvånansvärt hur lite kod det var. Kanske någon händig kan fixa ett liknade script. Förmodligen borde jag kunna fixa det igen. Men det kanske är någon som har en lösning färdig så vore det det betydligt smidigare, och mycket snabbare.

Är du ute efter det som kallas "string distance"? Du kan leta efter en algoritm som heter "minimum edit distance" och söka på namn som "Wagner", "Fischer", "Levenshtein", "Viterbi", "Forward", CYK" och Early".

Om du inte hittar något så har jag algoritmen i någon form av kod någonstans som jag kan leta rätt på. Jag kommer inte ihåg om jag använde C eller Java, men jag antar att det var C.

Nej du förstod helt riktigt, och det är väl en av svagheterna med algoritmen, alltså att ab och ba ger samma resultat.

Tänkte titta runt lite på nätet om det fanns några färdiga program som jämförde text, och det gör det. Apple har ett som heter FileMerge, som följer med på Dev. CDn till OSX. DifferencesExaminer är ett annat, också det till OSX.

Vidare finns det ganska bra exempel på www.php.net där man använder sig av strcmp.

hmm, jag kanske inte var med på detta iaf. Du vill alltå inte ha ut VAD som är olika utan bara HUR olika de är. Då får jag nog tänka om lite. Med strcmp får man ut ett värde som är större än 0 om string1 är "större" än string2 och mindre än 0 om sting1 är "mindre" än sträng2. Men den bygger på ASCII-värdet av bokstäverna. Så den säger inte så mycket egentligen, bara hur ASCII-summorna förhåller sig till varandra inget om graden av fel. Problemet växte visst ganska mycket plötsligt. Hur definerar du graden av fel? Är det rent språkligt är det ju riktigt jobbigt. Är det däremot tecken för tecken är det lättare. Men då är ju också frågan om man jämför ett a mot ett g är det mer fel än ett a mot ett b?

diff är ju en ganska het kandidat om du skapar en diff fil och drar ett värde på den men vad ska du använda det till, beror lite på om detta skulle pass i detta fall även om diff kan ge stegvisa skillnader. Tror inte riktigt jag fattar vart du vill komma lite mer info om vad du vill göra vore nog bra för jag kanske är ute och vandrar för ditt ändamål...

Ni får gärna kalla mig obegåvad i ämnet, men jag måste ändå fråga:
Varför vill man göra något dylikt???

Jag tror att det beror på många grabbars inneboende behov av att mäta, räkna och väga. Men vacker poesi måste väl ändå gå fri från sådan här penetrering. Detta är ärligt, ingen av de kvinnor jag känner skulle komma på att våldföra sig på en text , dela upp den i små delar och göra matematik av alltsammans.

Det närmast användbara i genren som jag kan komma på är läsvärdesindex som något lite antyder graden av lätthet att läsa, men det säger inget om övriga kvaliteter och är väl därför en ganska tveksam varudeklaration.