1.設計需求所要求的是一個簡單的函數(shù)：給定兩個普通的C風格字符串（以NULL）結(jié)尾，該函數(shù)就會返回一個介于0和1之間的浮點數(shù)，表示這兩個字符串的匹配度（或說兩個字體串之間的相似度）。
2.現(xiàn)有的一些解決方案
實際上我們真正尋找的是Levenshtein距離算法（這個公式是由Vladimir Levenshtein在1965年發(fā)現(xiàn)的），也就是算出從一個字符串轉(zhuǎn)換成另一個字符串所需要的編輯次數(shù)，這個公式可以描述出兩個字符串的相似度。對于我們上面所描述的實現(xiàn)的實現(xiàn)接口，單有這個公式是不夠的，因為我們需要一個相似度指數(shù)，以便可以建立一個有意義的入口。
3.我自己定制的字串匹配方案
首先，我們判斷出兩個字串中比較長的那一個，并以它的長度作為長度計算的基準值，每個參入匹配的字母表示著一個用1除以這個長度基準值所得到的值。對于大小寫的錯誤，我們可以向匹配中增加正常值的一個百分比90%。對于位置不正確的文本，我們只會計算它一半的值。這是因為，為了有利于前一個字集匹配，我們放棄上一個最新發(fā)現(xiàn)的匹配，這看上去是一個公平的估值計算，可以允許合理數(shù)量的位置錯誤字體。最后，缺少的、或者多出來的字體會使精度的值成比例下降。
while中主要部分循環(huán)說明：利用一個外部循環(huán)和一個內(nèi)部循環(huán)，將左實驗指針（lp）和右實驗指針（rp）向前推進，在所有新的匹配組合中進行循環(huán)遍歷，來完成上述工作。在左/右兩個字符串中，我們應該推進幾步才能得到一對匹配的字符？這兩個值記錄在lefCount和rightCount中。根據(jù)這兩個值，我們可以算出一個匹配度值。將這兩個值相加，我們就得到最后的分值(totalScore)。這是為了防止出現(xiàn)最壞匹配的情況。在這種情況下，一個無關的字母與另一個字串中接近尾部的某個字符相匹配，我們將這樣的匹配標識為低匹配的匹配，并選擇其他更為合理的，在兩個字符串中位置更靠前的匹配。