Discussion :

[J4e8a16n]

Bonjour à tous,

Je voudrais comparer deux chaînes en établissant un %.

Par exemple Toto est à 75% pareil à Tota.

Y a déjà une fonction pour ça?


JPD

[nicolas.sitbon]

Non.

[Emmanuel Delahaye]

Bonjour à tous,

Je voudrais comparer deux chaînes en établissant un %.

Par exemple Toto est à 75% pareil à Tota.

Y a déjà une fonction pour ça?

Non.

Il faut comparer les chaines éléments par éléments et faire des comptes et un petit calcul de %.

Mais je suppose qu'il faut d'abord qu'elles aient la même longueur, sinon, ça n'a pas de sens...

[Médinoc]

Ce n'est pas si simple.

À mon boulot, on doit utiliser tout un algorithme compliqué pour ça, avec un histogramme des caractères présents dans les deux chaînes, un calcul pour les caractères à la même position relative, (plus un ajustement pour détecter l'ajout ou la suppression d'un caractère), et le tous utilisant des tables de pondération pour le résultat...

Et on a *encore* des problèmes avec.

[J4e8a16n]

Très intéressant et peu encourageant.

J'y travaille, mais pour arriver à un résultat disons, satisfaisant.

Je pourrai tenter de le vendre s'il est bon ;-)

Merci quand même. Je ne suis pas seul à bécher ça agrémente le voyage.

JPD

[souviron34]

je l'ai fait pour les dates..

L'algo est hypersimple..

[J4e8a16n]

Voici mon ULM

Je compare les deux chaînes avec strlen(1)/strlen(2) = %
Je compare les deux chaînes avec strspn = %
Je compte les mots de plus de trois lettres dans la deuxième chaîne qui sont [strstr] dans la première (Nombre trouvé/nombre possibles) = %

Je dois établir une priorité pour ces trois valeurs.

C'est ce qu'on appelle pondérer?

JPD

[ram-0000]

C'est ce qu'on appelle pondérer?

Je dirai oui.

Pondérer, c'est donner plus ou moins de poids à certains paramètres de ton équation. C'est à peu près la même notion que les coefficient des différentes matières (math, histoire, français, ...) pour passer le bac.

[J4e8a16n]

Je compare les deux chaînes avec strlen(1)/strlen(2) = %
Je compare les deux chaînes avec strspn = %
Je compte les mots dans la deuxième chaîne qui sont [strstr] dans la première (Nombre trouvé/nombre possibles) = %

Ex: Je pose une question dans un newsgroup: Qu'est-ce que C?

Réponse:

>Qu'est-ce que le langage de programmation C?
Le C est un langage de programmation qui fait chic.

Résultats:

--------------------------------------1---------------------------
2 Qu
4 est
6 ce
8 que
10 le
12 langage
14 de
16 programmation
18 C
--------------------------------------0---------------------------
0 Le
1 C -
2 est -
2 un
3 langage -
4 de -
5 programmation -
5 qui
5 fait
5 chic

Caractères en début de la phraseA présents dans la phraseB 0 0.000000

Qu'est-ce que le langage de programmation C? 44 caractères
Le C est un langage de programmation qui fait chic. 52 caractères

%longueurs- 0.87 44 caractères / 52 caractères

%mots- 0.28 5/18

1 / 1 Poucentage de comparaison ; 0.87

-----------

Quel est l'item le plus et le moins révélateurs?

[souviron34]

Caractères en début de la phraseA présents dans la phraseB 0 0.000000

euh.. Chez moi ça fait 6....

• C
• e(st)
• l(angage)
• d(e)
• p(rogrammation)
• l(e)

pourquoi %mot = 5/18 ??? D'abord il y a 19 mots..

tu en as 6 communs.. : le, C , est, de, langage, programmation

la plus petite phrase est 9, la plus longue 10.

Donc au minimum 6/10, au maximum 6/9 ...

[J4e8a16n]

Suite à vos remarques, j'ai corrigé mon programme.

J'ai analysé 100 lignes de "Madame Bovary":
Nombre de lettres moyen par mot sur un texte de 100 lignes standard. 6.5
et
Nombre de lettres moyen par mot dans des courriels de news 5.7

Je ne sais trop quoi en faire

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
--------------------------------------A---------------------------

1  Qu
2  est
3  ce
4  que
5  le
6  langage
7  de
8  programmation
9  C
--------------------------------------B---------------------------
1  C
2  est
3  langage
4  de
5  programmation

A-Qu'est-ce que le langage de programmation C?
B-Le C est un langage de programmation qui fait chic.

Caractères en début de la  phraseA  présents dans la phraseB     0 Blenght/strspn(phraseA, phraseB) 0.000000


Si je compare en partant de l'origine  strstr('C'), strstr("est") le résultat est peu fiable.
% des longueurs B/A-  0.87  count2-  5    count1-  9        %mots 0.56
La différence des % entre les % longueurs de lignes et le % des nombres de mots  0.31
Plus le chiffre est près de zéro plus c'est fiable.

Quotient nombre de caratères et du nombre de mots en A  5.00

La différence des % entre les % longueurs de lignes et le % des nombres de mots semble utile. Je pourrais faire des test et établir approximativement ce que représente les pourcentages 10, 20, 30, et.

C'est pas génial ...

JPD

[souviron34]

je crois qu'il faut éclaircir le problème...

Il y en a deux là-dedans.

• Le premier est la similitude de contenu. Là ça se base sur les mots. Il y a N% des mots d'une phrase se retrouvant dans le texte 2. On peut le multiplier par une similitude de phrase : la position consécutive des mots.
  
  
• Le second est relativement sans signifcation pour un texte global. Il est valable pour un mot. C'est le % de lettres en commun.

Il faut déjà savoir auquel de ces 2 problèmes tu t'attaques.

[J4e8a16n]

Merci.