CN112989140B - 一种字符串模糊识别方法及装置 - Google Patents

Abstract

本发明提供了一种字符串模糊识别方法及装置，该方法包括：获取待识别字符串，并读取基础信息表中一个标准字符串；将待识别字符串和标准字符串中的相似字符进行归集；判断归集后的待识别字符串和归集后的标准字符串是否相同；如果归集后的待识别字符串和归集后的标准字符串不相同，读取基础信息表中的下一个标准字符串，并返回执行将待识别字符串和标准字符串中的相似字符进行归集；如果归集后的待识别字符串和归集后的标准字符串相同，将标准字符串作为待识别字符串的模糊识别结果。基于本发明，可以准确匹配到字符串，减少相似字符造成的失误。

Description

一种字符串模糊识别方法及装置

技术领域

本发明涉及计算机***应用技术领域，更具体地说，涉及一种字符串模糊识别方法及装置。

背景技术

现阶段，在银行的财会管理工作以及数据中心设备管理等工作中，常需要识别、核对和记录各类字符串。比如，应税事务工作中纳税人识别号作为纳税人唯一的身份证号，其是是数字和字母组成的字符串；再比如，设备管理员经常需要与设备的序列号(SerialNumber)打交道，序列号为字母、数字、字符组成的字符串。

但是，由于相似字符的原因，字符串信息经常有误，导致无法正确被识别。具体的，0与O，1与l，8与B，2与Z等外形相似的字符导致辨认困难，特别是在光线较暗、物理遮挡等不利视线条件下此问题尤为严重。

发明内容

有鉴于此，为解决上述问题，本发明提供一种字符串模糊识别方法及装置。技术方案如下：

一种字符串模糊识别方法，所述方法包括：

获取待识别字符串，并读取基础信息表中一个标准字符串；

将所述待识别字符串和所述标准字符串中的相似字符进行归集；

判断归集后的所述待识别字符串和归集后的所述标准字符串是否相同；

如果归集后的所述待识别字符串和归集后的所述标准字符串不相同，读取所述基础信息表中的下一个标准字符串，并返回执行所述将所述待识别字符串和所述标准字符串中的相似字符进行归集；

如果归集后的所述待识别字符串和归集后的所述标准字符串相同，将所述标准字符串作为所述待识别字符串的模糊识别结果。

优选的，所述读取基础信息表中一个标准字符串之前，所述方法还包括：

获取所述基础信息表对应的最短字符串长度；

判断所述待识别字符串的字符串长度是否小于所述最短字符串长度；

如果所述待识别字符串的字符串长度不小于所述最短字符串长度，执行所述读取基础信息表中一个标准字符串。

优选的，所述将所述待识别字符串和所述标准字符串中的相似字符进行归集之前，所述方法还包括：

剔除所述待识别字符串和所述标准字符串中连接字符。

优选的，所述读取所述基础信息表中的下一个标准字符串之前，所述方法还包括：

判断归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串是否为另一个字符串的前缀或后缀；

如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串不为另一个字符串的前缀或后缀，执行所述读取所述基础信息表中的下一个标准字符串。

优选的，所述方法还包括：

如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串为另一个字符串的前缀或后缀，将所述标准字符串作为所述待识别字符串的模糊识别结果。

一种字符串模糊识别装置，所述装置包括：

第一处理模块，用于获取待识别字符串，并读取基础信息表中一个标准字符串；

归集模块，用于将所述待识别字符串和所述标准字符串中的相似字符进行归集；

第二处理模块，用于判断归集后的所述待识别字符串和归集后的所述标准字符串是否相同；如果归集后的所述待识别字符串和归集后的所述标准字符串不相同，读取所述基础信息表中的下一个标准字符串，并触发所述归集模块；如果归集后的所述待识别字符串和归集后的所述标准字符串相同，将所述标准字符串作为所述待识别字符串的模糊识别结果。

优选的，所述第一处理模块，还用于：

获取所述基础信息表对应的最短字符串长度；判断所述待识别字符串的字符串长度是否小于所述最短字符串长度；如果所述待识别字符串的字符串长度不小于所述最短字符串长度，执行所述读取基础信息表中一个标准字符串。

优选的，所述归集模块，还用于：

剔除所述待识别字符串和所述标准字符串中连接字符。

优选的，所述第二处理模块，还用于：

判断归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串是否为另一个字符串的前缀或后缀；如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串不为另一个字符串的前缀或后缀，执行所述读取所述基础信息表中的下一个标准字符串。

优选的，所述第二处理模块，还用于：

如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串为另一个字符串的前缀或后缀，将所述标准字符串作为所述待识别字符串的模糊识别结果。

以上本发明提供的字符串模糊识别方法，可以作为基础信息表的附属工具，在精确查找不到待识别字符串时，通过归集将相似字符同化，为待识别字符串模糊匹配标准字符串。基于本发明，可以准确匹配到字符串，减少相似字符造成的失误。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施提供的字符串模糊识别方法的方法流程图；

图2为操作主界面示例；

图3为分支行纳税人识别号基础信息表示例；

图4为单个字符串输入界面示例；

图5为模糊识别结果显示界面示例；

图6为设备序列号基础信息表示例；

图7为批量字符串输入界面示例；

图8为模糊识别结果显示界面示例；

图9为本发明实施提供的字符串模糊识别装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种字符串模糊识别方法，该方法的方法流程图如图1所示，包括如下步骤：

S10，获取待识别字符串，并读取基础信息表中一个标准字符串。

本实施例提供的字符串模糊识别方法支持单个字符串的模糊识别，也支持批量字符串的模糊识别。实际应用中，用户可以基于图2示出的主界面进行操作。对于单个字符串的识别，用户点击“单字符串识别”按钮，并按提示输入待识别字符串，等待输出的识别结果和所在位置；对于批量字符串的识别，用户先将批量的待识别字符串黏贴至指定位置，再点击“批量字符串识别”按钮，等待输出的识别结果和所在位置。具体的，对于批量的待识别字符串中的每一个字符串，其识别过程与单个字符串的识别过程相同。

S20，将待识别字符串和标准字符串中的相似字符进行归集。

本实施例中，预先收集多组外形相似的相似字符，并将每组相似字符归集为指定的字符，即进行同化处理。比如，规定O与0归集为0、1和I归集为1、8与B归集为8、以及Z与2归集为2。

为方便理解，本实施例以纳税人识别号为例进行说明：

图3示出一分支行纳税人识别号基础信息表，图4示出一单个字符串输入界面，待识别的纳税人识别号“911203349O41I824XB”。本实施例中，依次从分支行纳税人识别号基础信息表中选取标准的纳税人识别号，假设标准的纳税人识别号为“9112033490411824X8”，则按照上述归集规则分别对“911203349O41I824XB”和“9112033490411824X8”进行归集。

具体的，将“911203349O41I824XB”中第二个字符“1”归集为“1”、第三个字符“1”归集为“1”、第四个字符“2”归集为“2”、第五个字符“0”归集为“0”、第十个字符“O”归集为“0”、第十二个字符“1”归集为“1”、第十三个字符“I”归集为“1”、第十四个字符“8”归集为“8”、第十五个字符“2”归集为“2”、第十八个字符“B”归集为“8”，得到“9112033490411824X8”。

将“9112033490411824X8”中第二个字符“1”归集为“1”、第三个字符“1”归集为“1”、第四个字符“2”归集为“2”、第五个字符“0”归集为“0”、第十个字符“0”归集为“0”、第十二个字符“1”归集为“1”、第十三个字符“1”归集为“1”、第十四个字符“8”归集为“8”、第十五个字符“2”归集为“2”、第十八个字符“8”归集为“8”，得到“9112033490411824X8”。

S30，判断归集后的待识别字符串和归集后的标准字符串是否相同；若否，则执行步骤S40；若是，则执行步骤S50。

继续以图3示出的分支行纳税人识别号基础信息表、待识别的纳税人识别号“911203349O41I824XB”为例进行说明。对比归集后的“911203349O41I824XB”(即“9112033490411824X8”)和归集后的“9112033490411824X8”(即“9112033490411824X8”)，得出“两者相同”的结论。

S40，读取基础信息表中的下一个标准字符串，并返回执行步骤S20。

本实施例中，可以按照基础信息表中的次序依次读取未归集的标准字符串，还可以随机读取，本实施例对此不做限定。当然，如果基础信息表读取结束仍未获得待识别字符串的模糊识别结果，则输出“模糊匹配失败”的结论以提示用户。

S50，将标准字符串作为待识别字符串的模糊识别结果。

继续以图2示出的分支行纳税人识别号基础信息表、待识别的纳税人识别号“911203349O41I824XB”为例进行说明。由于归集后的“911203349O41I824XB”和归集后的“9112033490411824X8”两者相同，因此可以确定“9112033490411824X8”为“911203349O41I824XB”的模糊识别结果。图5示出该模糊识别结果显示界面。

在其他一些实施例中，提高识别效率，在图1所示字符串模糊识别方法的基础上，还包括如下步骤：

获取基础信息表对应的最短字符串长度；判断待识别字符串的字符串长度是否小于最短字符串长度；如果待识别字符串的字符串长度不小于最短字符串长度，执行步骤S10中“读取基础信息表中一个标准字符串”。

本实施例中，预先分析应用场景下已知字符串和应用的特点，确定该基础信息表对应的最短字符串长度。如果待识别字符串的字符串长度小于最短字符串长度，则表示该待识别字符串为无效字符串，提示用户。如果待识别字符串的字符串长度不小于最短字符串长度，则表示该待识别字符串为有效字符串，进一步执行后续流程。

为方便理解，本实施例以设备序列号为例进行说明：

图6示出一设备序列号基础信息表，图7示出一批量字符串输入界面。在模糊识别过程中，依次从批量字符串中选取待识别字符串，并且针对该待识别字符串，依次读取设备序列号基础信息表中的标准字符串，通过归集将相似字符同化，为该待识别字符串匹配标准字符串。图8示出该模糊识别结果显示界面。

在其他一些实施例中，为避免部分用户习惯隐去连接字符记录字符串对对模糊识别的影响，在图1所示字符串模糊识别方法的基础上，还包括如下步骤：

剔除待识别字符串和标准字符串中连接字符。

本实施例中，连接字符包括但不局限于“-”、“/”，可根据具体应用场景个性化定制。

在其他一些实施例中，为避免部分用户习惯记录字符串的后缀或前缀(此情况多在序列号场景中序列号较长、且无效雷同字段较长时出现)对模糊识别的影响，在图1所示字符串模糊识别方法的基础上，还包括如下步骤：

判断归集后的待识别字符串和归集后的标准字符串中一个字符串是否为另一个字符串的前缀或后缀；如果归集后的待识别字符串和归集后的标准字符串中一个字符串不为另一个字符串的前缀或后缀，执行步骤S40“读取基础信息表中的下一个标准字符串”。

本实施例中，依次判断归集后的待识别字符串是否为归集后的标准字符串的前缀/后缀，归集后的标准字符串是否为归集后的待识别字符串的前缀/后缀。如果判断归集后的待识别字符串为归集后的标准字符串的前缀/后缀、或者归集后的标准字符串为归集后的待识别字符串的前缀/后缀，则将标准字符串作为待识别字符串的模糊识别结果。反之，则表示待识别字符串与标准字符串无关，需要读取基础信息表中的下一个标准字符串。当然，如果基础信息表读取结束仍未获得待识别字符串的模糊识别结果，则输出“模糊匹配失败”的结论以提示用户。

本发明实施例提供的字符串模糊识别方法，通过归集将相似字符同化，为待识别字符串模糊匹配标准字符串。基于本发明，可以准确匹配到字符串，减少相似字符造成的失误。

基于上述实施例提供的字符串模糊识别方法，本发明实施例则提供执行上述字符串模糊识别方法的装置，该装置的结构示意图如图9所示，包括：

第一处理模块10，用于获取待识别字符串，并读取基础信息表中一个标准字符串；

归集模块20，用于将待识别字符串和标准字符串中的相似字符进行归集；

第二处理模块30，用于判断归集后的待识别字符串和归集后的标准字符串是否相同；如果归集后的待识别字符串和归集后的标准字符串不相同，读取基础信息表中的下一个标准字符串，并触发归集模块20；如果归集后的待识别字符串和归集后的标准字符串相同，将标准字符串作为待识别字符串的模糊识别结果。

在其他一些实施例中，提高识别效率，第一处理模块10，还用于：

获取基础信息表对应的最短字符串长度；判断待识别字符串的字符串长度是否小于最短字符串长度；如果待识别字符串的字符串长度不小于最短字符串长度，执行读取基础信息表中一个标准字符串。

在其他一些实施例中，为避免连接字符对模糊识别的影响，归集模块20，还用于：

剔除待识别字符串和标准字符串中连接字符。

在其他一些实施例中，为避免前后缀对模糊识别的影响，第二处理模块30，还用于：

判断归集后的待识别字符串和归集后的标准字符串中一个字符串是否为另一个字符串的前缀或后缀；如果归集后的待识别字符串和归集后的标准字符串中一个字符串不为另一个字符串的前缀或后缀，执行读取基础信息表中的下一个标准字符串。

可选的，第二处理模块30，还用于：

如果归集后的待识别字符串和归集后的标准字符串中一个字符串为另一个字符串的前缀或后缀，将标准字符串作为待识别字符串的模糊识别结果。

本发明实施例提供的字符串模糊识别装置，通过归集将相似字符同化，为待识别字符串模糊匹配标准字符串。基于本发明，可以准确匹配到字符串，减少相似字符造成的失误。

以上对本发明所提供的一种字符串模糊识别方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种字符串模糊识别方法，其特征在于，所述方法包括：

获取待识别字符串，获取基础信息表对应的最短字符串长度；

判断所述待识别字符串的字符串长度是否小于所述最短字符串长度；

如果所述待识别字符串的字符串长度不小于所述最短字符串长度，执行读取基础信息表中一个标准字符串；

将所述待识别字符串和所述标准字符串中的相似字符进行归集成指定的一个字符；所述相似字符为外形相似的字符；

判断归集后的所述待识别字符串和归集后的所述标准字符串是否相同；

如果归集后的所述待识别字符串和归集后的所述标准字符串不相同，判断归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串是否为另一个字符串的前缀或后缀；如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串为另一个字符串的前缀或后缀，将所述标准字符串作为所述待识别字符串的模糊识别结果；

如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串不为另一个字符串的前缀或后缀，执行读取所述基础信息表中的下一个标准字符串，并返回执行所述将所述待识别字符串和所述标准字符串中的相似字符进行归集；

如果归集后的所述待识别字符串和归集后的所述标准字符串相同，将所述标准字符串作为所述待识别字符串的模糊识别结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述待识别字符串和所述标准字符串中的相似字符进行归集之前，所述方法还包括：

剔除所述待识别字符串和所述标准字符串中连接字符。

3.一种字符串模糊识别装置，其特征在于，所述装置包括：

第一处理模块，用于获取待识别字符串，并读取基础信息表中一个标准字符串；

归集模块，用于将所述待识别字符串和所述标准字符串中的相似字符进行归集成指定字符；所述相似字符为外形相似的字符；

第二处理模块，用于判断归集后的所述待识别字符串和归集后的所述标准字符串是否相同；如果归集后的所述待识别字符串和归集后的所述标准字符串不相同，读取所述基础信息表中的下一个标准字符串，并触发所述归集模块；如果归集后的所述待识别字符串和归集后的所述标准字符串相同，将所述标准字符串作为所述待识别字符串的模糊识别结果；

所述第一处理模块，还用于：

获取所述基础信息表对应的最短字符串长度；判断所述待识别字符串的字符串长度是否小于所述最短字符串长度；如果所述待识别字符串的字符串长度不小于所述最短字符串长度，执行所述读取基础信息表中一个标准字符串；

所述第二处理模块，还用于：

判断归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串是否为另一个字符串的前缀或后缀；如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串不为另一个字符串的前缀或后缀，执行所述读取所述基础信息表中的下一个标准字符串；

所述第二处理模块，还用于：如果归集后的所述待识别字符串和归集后的所述标准字符串中一个字符串为另一个字符串的前缀或后缀，将所述标准字符串作为所述待识别字符串的模糊识别结果。

4.根据权利要求3所述的装置，其特征在于，所述归集模块，还用于：

剔除所述待识别字符串和所述标准字符串中连接字符。