DNA的匹配畢竟離生活還是遠了點，既然是字串匹配，可不可以做個拼寫錯誤檢查呢？

首先要引入一個概念，編輯距離（Edit Distance）。編輯距離指的是一個字串修改到另一個字串所需要的工序。通常有三種情況：

1.插入："ac" -----> "abc"，編輯距離為1

2.刪除："abc" ------> "ac", 編輯距離為1

3.替換："abc" ------>"adc", 編輯距離為1

在這裡我們定義兩個字串 x 和 y 的編輯距離為：

dist ＝ len(x) + len(y) - score(x, y)

score指的是全域性匹配返回的分數。但是scoring_matrix怎麼辦呢？我找了一些我自己可以數得出來編輯距離的字串，然後把一些可能的值一個一個去算。這裡提到的scoring_matrix的引數有三個：diag_score(字元相同), off_diag_score(兩個字元，但是不同), dash_score(一個字元，一個 '-' )。然後發現了這三個值分別是：

diag_score: 2
off_diag_score: 1
dash_score: 0

在原始碼中也有一個word_list.txt，裡面存放了7萬多個單詞。這樣我們就可以從中與給定字串相差固定編輯距離的單詞了。

def check_spelling(checked_word, dist, word_list):
 
    alphabet = set('qwertyuiopasdfghjklzxcvbnm')
    scoring_matrix = scoring_matrix = build_scoring_matrix(alphabet=alphabet, diag_score=2, off_diag_score=1, dash_score=0)
    
    answer = set([])
    for word in word_list:
        edit_distance = get_edit_distance(checked_word, word, scoring_matrix)
        if edit_distance <= dist:
            answer.add(word)
    return answer
 

————————番外————————

這裡測試了一下set和list的迭代效率，發現list的迭代效率高於set，而查詢一個元素是否在物件內，set的效率遠超list，而且set佔據的記憶體相對list要下

————————番外結束——————

當用戶輸入一個單詞，我們首先可以查詢單詞是否在正確拼寫的單詞集合內（查詢一個物件是否在一個集合的效率是很高的）。如果不在，就打上波浪線，然後就可以進入查詢dist為1或者2的單詞集合了。

我突然想到word早期版本的拼寫錯誤檢查，打波浪線很快，但是進行拼寫錯誤檢查的時候要等半天，是否就是採用這樣的辦法？

然後進入查詢程式之後，進行匹配之前，可以先檢查單詞的長度，如果長度相差多於給定的dist，那麼就不用進入匹配了，直接拋棄即可。效率應該又可以提高一些。

在網際網路的時代，雲端計算的效能不言而喻，而線上編輯的時候也要實時儲存，傳送一個單詞的頻寬也很窄，因此可以把計算放到雲上，這樣幾乎就是實時的。而檢查一個單詞是否在正確拼寫的集合內的操作可以讓JavaScript來做，既可以減輕伺服器的負擔，在使用者這邊，又感覺不到絲毫的卡滯。

一口氣寫完了字串匹配的三篇文章，真是神清氣爽，而文章的抄襲檢查也是呼之欲出了。因為最近要找工作，第四篇可能會稍微晚一點，敬請期待吧。